更改

逻辑斯谛方程（Logistic Equation），又称逻辑斯谛增长模型，是一种描述在有限资源环境下种群规模增长的S形曲线数学模型。该模型由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特（Pierre François Verhulst）在19世纪提出，如今已成为生态学、生物学、化学、人口学、经济学、地球科学、心理学、社会学、政治学、语言学、统计学、医学和机器学习等多个领域中的核心模型之一。

逻辑斯谛方程（Logistic Equation），又称逻辑斯谛增长模型，是一种描述在有限资源环境下种群规模增长的S形曲线数学模型。该模型由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特（Pierre François Verhulst）在19世纪提出，如今已成为生态学、生物学、化学、人口学、经济学、地球科学、心理学、社会学、政治学、语言学、统计学、医学和机器学习等多个领域中的核心模型之一。

=历史=

=历史=

逻辑斯谛方程的历史发展跨越了两个世纪，融合了人口学、生物学和数学的交叉研究：

逻辑斯谛方程的历史发展跨越了两个世纪，融合了人口学、生物学和数学的交叉研究：

* 理论奠基：逻辑斯谛函数由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特在1838年至1847年间发表的三篇论文中系统性地提出并发展。他在阿道夫·凯特勒的指导下，将其作为调整指数增长模型后的人口增长模型。韦尔霍斯特在1838年的论文中首次提出了逻辑斯谛方程的微分形式，其中包含种群平衡点对应环境承载能力<ref>Verhulst, Pierre Francois (1838). Notice sur la loi que la population suit dans son accroissement. Correspondance mathématique et Physigue, publiée par A. Quetelet, 10, 113-120.</ref>。1845年，他正式将方程的解曲线命名为“逻辑斯谛曲线”<ref>Verhulst, Pierre Francois (1845). Recherches mathématiques sur la loi d'accroissement dela population. Nouveaur Mémoires de l'Académie Royale des Sciences, des Lettres et desBeaux-Arts de Belgique, 18,1-38.</ref>。1847年，他的第三篇论文调整了对比利时人口增长模型中的修正项<ref>Verhulst, Pierre Francois (1847). Deuxième Mémoire sur la loi d'accroissement de la popula.tion. Nouveaur Mémoires de l'Académie Rouale des Sciences, des Lettres et des Beaur-Artsde Belgique, 20,1-32.</ref>。韦尔霍斯特选用“逻辑斯谛”一词，可能源于古希腊语λογῐστῐκός（logistikós），是古希腊数学的一个分支，大致相当于应用数学，以区别于线性（算术）增长和对数（几何/指数）增长，暗示其增长模型比一次函数（线性函数）和指数函数更贴合实际。

* 理论奠基：逻辑斯谛函数由比利时数学家皮埃尔·弗朗索瓦·韦尔霍斯特在1838年至1847年间发表的三篇论文中系统性地提出并发展。他在阿道夫·凯特勒的指导下，将其作为调整指数增长模型后的人口增长模型。韦尔霍斯特在1838年的论文中首次提出了逻辑斯谛方程的微分形式，其中包含种群平衡点对应环境承载能力<ref>Verhulst, Pierre Francois (1838). Notice sur la loi que la population suit dans son accroissement. Correspondance mathématique et Physigue, publiée par A. Quetelet, 10, 113-120.</ref>。1845年，他正式将方程的解曲线命名为“逻辑斯谛曲线”（图1）<ref>Verhulst, Pierre Francois (1845). Recherches mathématiques sur la loi d'accroissement dela population. Nouveaur Mémoires de l'Académie Royale des Sciences, des Lettres et desBeaux-Arts de Belgique, 18,1-38.</ref>。1847年，他的第三篇论文调整了对比利时人口增长模型中的修正项<ref>Verhulst, Pierre Francois (1847). Deuxième Mémoire sur la loi d'accroissement de la popula.tion. Nouveaur Mémoires de l'Académie Rouale des Sciences, des Lettres et des Beaur-Artsde Belgique, 20,1-32.</ref>。韦尔霍斯特选用“逻辑斯谛”一词，可能源于古希腊语λογῐστῐκός（logistikós），是古希腊数学的一个分支，大致相当于应用数学，以区别于线性（算术）增长和对数（几何/指数）增长，暗示其增长模型比一次函数（线性函数）和指数函数更贴合实际。

 

 

* 重新发现与推广：韦尔霍斯特的工作在当时并未引起广泛关注。直到1920年，美国生物学家雷蒙德·珀尔和洛厄尔·里德在研究果蝇种群增长和人口问题时独立重新发现了这一方程，并提出了现在广为流传的形式。他们的工作使得该方程在生物学界广为人知，因此该方程有时也被称为韦尔霍斯特-珀尔方程或阻碍方程<ref>Pearl, R., & Reed, L. J. (1920). On the rate of growth of the population of the United States since 1790 and its mathematical representation. *Proceedings of the National Academy of Sciences*, 6(6), 275–288.</ref>。

* 重新发现与推广：韦尔霍斯特的工作在当时并未引起广泛关注。直到1920年，美国生物学家雷蒙德·珀尔和洛厄尔·里德在研究果蝇种群增长和人口问题时独立重新发现了这一方程，并提出了现在广为流传的形式。他们的工作使得该方程在生物学界广为人知，因此该方程有时也被称为韦尔霍斯特-珀尔方程或阻碍方程<ref>Pearl, R., & Reed, L. J. (1920). On the rate of growth of the population of the United States since 1790 and its mathematical representation. *Proceedings of the National Academy of Sciences*, 6(6), 275–288.</ref>。

* 实验验证与理论拓展：1911年，A. G. McKendrick首次将逻辑斯谛方程用于描述肉汤中细菌的生长，并通过非线性参数估计进行了实验测试<ref>McKendrick, A. G., & Pai, M. K. (1912). XLV.—The Rate of Multiplication of Micro-organisms: A Mathematical Study. *Proceedings of the Royal Society of Edinburgh*, 31, 649-653.</ref>。1925年，数学生物学家阿弗雷德·洛特卡也独立推导出该方程，称其为“种群增长律”<ref>Lotka, A. J. (1925). Elements of physical biology. Williams & Wilkins.</ref>。

* 实验验证与理论拓展：1911年，A. G. McKendrick首次将逻辑斯谛方程用于描述肉汤中细菌的生长，并通过非线性参数估计进行了实验测试<ref>McKendrick, A. G., & Pai, M. K. (1912). XLV.—The Rate of Multiplication of Micro-organisms: A Mathematical Study. *Proceedings of the Royal Society of Edinburgh*, 31, 649-653.</ref>。1925年，数学生物学家阿弗雷德·洛特卡也独立推导出该方程，称其为“种群增长律”<ref>Lotka, A. J. (1925). Elements of physical biology. Williams & Wilkins.</ref>。

* 混沌理论发展：随着20世纪系统科学和混沌理论的发展，该方程的离散形式——[[逻辑斯谛映射]]被深入研究。罗伯特·梅在1976年发表于《自然》杂志的论文《表现非常复杂的动力学的简单数学模型》中<ref>May R. 1976. Simple mathematical models with very complicated dynamics. Nature 261, 459–467.</ref>，系统性地阐述了这一简单非线性方程如何产生复杂的混沌行为，从而使该模型成为混沌研究的经典范例<ref>Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). Boca Raton: CRC Press.</ref>。

* 混沌理论发展：随着20世纪系统科学和混沌理论的发展，该方程的离散形式——[[逻辑斯谛映射]]被深入研究。罗伯特·梅在1976年发表于《自然》杂志的论文《表现非常复杂的动力学的简单数学模型》中<ref>May R. 1976. Simple mathematical models with very complicated dynamics. Nature 261, 459–467.</ref>，系统性地阐述了这一简单非线性方程如何产生复杂的混沌行为，从而使该模型成为混沌研究的经典范例<ref>Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). Boca Raton: CRC Press.</ref>。

* 模型地位的奠定：逻辑斯谛增长模型被视为与密度有关的种群连续增长模型的典型，其参数r（内禀增长率）和K（环境容纳量）已成为生物进化对策理论（如r/K选择理论）中的核心概念<ref>Pianka, E. R. (1970). On r- and K-selection. The American Naturalist, 104(940), 592–597.</ref><ref>Begon, M., Townsend, C. R., & Harper, J. L. (2006). Ecology: from individuals to ecosystems (4th ed.). Blackwell Publishing.</ref>。

* 模型地位的奠定：逻辑斯谛增长模型被视为与密度有关的种群连续增长模型的典型，其参数r（内禀增长率）和K（环境容纳量）已成为生物进化对策理论（如[[R/K选择理论]]）中的核心概念<ref>Pianka, E. R. (1970). On r- and K-selection. The American Naturalist, 104(940), 592–597.</ref><ref>Begon, M., Townsend, C. R., & Harper, J. L. (2006). Ecology: from individuals to ecosystems (4th ed.). Blackwell Publishing.</ref>。

=简介=

=简介=

</math>

</math>

|{{EquationRef|1}}}}

|{{EquationRef|1}}}}

其中λ为比例常数。{{EquationNote|1}}包含未知函数N及其导数<math>\displaystyle{ \frac{dN}{dt} }</math>，是一个微分方程。模型即马尔萨斯指数增长模型<ref>Malthus, T. R. (1798). An essay on the principle of population. J. Johnson.</ref>（图1）。

其中λ为比例常数。{{EquationNote|(1)}}包含未知函数N及其导数<math>\displaystyle{ \frac{dN}{dt} }</math>，是一个微分方程。模型即[[马尔萨斯模型]]（又称指数增长模型）<ref>Malthus, T. R. (1798). An essay on the principle of population. J. Johnson.</ref>（图1）。

排除规模为0的种群，那么对所有t都有<math>N_{(t)} > 0</math>。因此，如果λ > 0，那么由{{EquationNote|1}}可得，对所有t都有<math>N_{(t)} > 0</math>，这表示种群是不断增长的。

排除规模为0的种群，那么对所有t都有<math>N_{(t)} > 0</math>。因此，如果λ > 0，那么由{{EquationNote|(1)}}可得，对所有t都有<math>N_{(t)} > 0</math>，这表示种群是不断增长的。

事实上，{{EquationNote|1}}表明，随着<math>N_{(t)}</math>不断增大，<math>\displaystyle{ \frac{dN}{dt} }</math>也不断增大，即随着种群增长，增长率也不断增大。

事实上，{{EquationNote|(1)}}表明，随着<math>N_{(t)}</math>不断增大，<math>\displaystyle{ \frac{dN}{dt} }</math>也不断增大，即随着种群增长，增长率也不断增大。

求解{{EquationNote|1}}，要根据该方程求出一个函数，其导数是它本身的常数倍，指数函数具有这个性质。如果令 <math>\displaystyle{ N_{(t)} = C\mathrm{e}^{λt}}</math>，则有

求解{{EquationNote|(1)}}，要根据该方程求出一个函数，其导数是它本身的常数倍，指数函数具有这个性质。如果令 <math>\displaystyle{ N_{(t)} = C\mathrm{e}^{λt}}</math>，则有

<math>N ^ {\prime}_{(t)} = C \left(λ e ^ {λ t}\right) = λ \left(C e ^ {λ t}\right) = λ N_{(t)}</math>,

<math>N ^ {\prime}_{(t)} = C \left(λ e ^ {λ t}\right) = λ \left(C e ^ {λ t}\right) = λ N_{(t)}</math>,

即任何形如<math>N_{(t)} = C\mathrm{e}^{λt}</math>的指数函数都是方程的解。

即任何形如<math>N_{(t)} = C\mathrm{e}^{λt}</math>的指数函数都是方程的解。

一种能同时体现上面两个假设的方法是，假设种群规模的增长率和种群规模成正比，并且和环境容纳量与种群规模之差成正比。

一种能同时体现上面两个假设的方法是，假设种群规模的增长率和种群规模成正比，并且和环境容纳量与种群规模之差成正比。

对应的微分方程为<math>\mathrm{d}N/ \mathrm{d}t = cN(K - N)</math>，其中λ为比例常数，它等价于<math>\frac{\mathrm{d}N}{\mathrm{d}t} = \frac{λN(K - N)}{K}</math>，其中<math>λ = cK</math>。

对应的微分方程为<math>\mathrm{d}N/ \mathrm{d}t = cN(K - N)</math>，其中λ为比例常数，它等价于<math>\frac{\mathrm{d}N}{\mathrm{d}t} = \frac{λN(K - N)}{K}</math>，其中<math>λ = cK</math>。

==核心思想==

==核心思想==

* <math>N_{(t)}</math>: 在时间t时的种群规模；

* <math>N_{(t)}</math>: 在时间t时的种群规模；

* λ: 内禀增长率，表示在理想条件下种群的最大增长潜力；

* <math>λ</math>: 内禀增长率，表示在理想条件下种群的最大增长潜力；

* K: 环境承载力，即环境所能支持的最大种群规模；

* <math>K</math>: 环境承载力，即环境所能支持的最大种群规模；

* <math>\frac{dN}{dt}</math>: 种群在时刻t的瞬时增长率。

* <math>\frac{dN}{dt}</math>: 种群在时刻t的瞬时增长率。

该方程也可以从原始形式推导而来。韦尔霍斯最初提出的形式是<math>\frac{dN}{dt} = λN - \alpha N^2</math> ，其中<math> \alpha</math>表示密度依赖的拥挤效应（种内竞争），通过变量替换<math> K = \frac{λ}{\alpha}</math>可得标准形式。

该方程也可以从原始形式推导而来。韦尔霍斯最初提出的形式是<math>\frac{dN}{dt} = λN - \alpha N^2</math> ，其中<math> \alpha</math>表示密度依赖的拥挤效应（种内竞争），通过变量替换<math> K = \frac{λ}{\alpha}</math>可得标准形式。

该解描述了一条S形曲线（又称sigmoid曲线），其增长过程可分为三个典型阶段：

该解描述了一条S形曲线（又称sigmoid曲线），其增长过程可分为三个典型阶段：

* 初始阶段（N ≪ K）：增长近似指数增长，曲线呈凹形上升；

* 初始阶段<math>（N ≪ K）}</math>：增长近似指数增长，曲线呈凹形上升；

* 过渡阶段（N ≈ K/2）：增长速度达到最大值，曲线出现拐点；

* 过渡阶段<math>（N ≈ K/2）}</math>：增长速度达到最大值，曲线出现拐点；

* 饱和阶段（N → K）：增长逐渐减缓并趋近于零，种群规模稳定在承载能力K附近。

* 饱和阶段<math>（N → K）}</math>：增长逐渐减缓并趋近于零，种群规模稳定在承载能力K附近。

该方程考虑了资源限制，导致增长速率随 N 接近 K 而减小，从而产生 S 形增长曲线。

该方程考虑了资源限制，导致增长速率随 N 接近 K 而减小，从而产生 S 形增长曲线。

逻辑斯谛方程最初且最直接的应用领域是生态学与人口学：

逻辑斯谛方程最初且最直接的应用领域是生态学与人口学：

* 种群动态：描述有限资源下生物种群的增长规律，如果蝇、细菌等种群的生长。它是许多两个相互作用种群（如捕食-被捕食）模型的基础<ref>Lotka, A. J. (1925). Elements of physical biology. Williams & Wilkins.</ref><ref>Volterra, V. (1926). Variazioni e fluttuazioni del numero d'individui in specie animali conviventi. Mem. R. Accad. Naz. dei Lincei, 2, 31–113.</ref>。

* 种群动力学：描述有限资源下生物种群的增长规律，如果蝇、细菌等种群的生长。它是许多两个相互作用种群（如捕食-被捕食）模型的基础<ref>Lotka, A. J. (1925). Elements of physical biology. Williams & Wilkins.</ref><ref>Volterra, V. (1926). Variazioni e fluttuazioni del numero d'individui in specie animali conviventi. Mem. R. Accad. Naz. dei Lincei, 2, 31–113.</ref>。

* 人口预测：用于模拟和预测人类人口增长，如珀尔和里德对美国人口的研究<ref>Cohen, J. E. (1995). How many people can the earth support? W. W. Norton & Company.</ref>。

* 人口预测：用于模拟和预测人类人口增长，如珀尔和里德对美国人口的研究<ref>Cohen, J. E. (1995). How many people can the earth support? W. W. Norton & Company.</ref>。

* 资源管理：指导渔业、林业等可再生资源的可持续利用，避免过度开发。核心原则是使资源种群数量保持在环境容纳量K的一半（K/2）附近，此时种群增长速率最大，可获得最大持续产量<ref>Clark, C. W. (1990). Mathematical bioeconomics: the optimal management of renewable resources (2nd ed.). New York: Wiley.</ref>。

* 资源管理：指导渔业、林业等可再生资源的可持续利用，避免过度开发。核心原则是使资源种群数量保持在环境容纳量K的一半（K/2）附近，此时种群增长速率最大，可获得最大持续产量<ref>Clark, C. W. (1990). Mathematical bioeconomics: the optimal management of renewable resources (2nd ed.). New York: Wiley.</ref>。

可以说，K是N的极限值，即经过无限长时间后（或在有限时间内近似），种群（人口）规模所能达到的最大值。须注意，只要初始值<math>{\displaystyle N(0)>0}</math>，无论取值多少，种群数量都会渐近环境承载力的值，包括<math>{\displaystyle N(0)>K}</math>的情况下。

可以说，K是N的极限值，即经过无限长时间后（或在有限时间内近似），种群（人口）规模所能达到的最大值。须注意，只要初始值<math>{\displaystyle N(0)>0}</math>，无论取值多少，种群数量都会渐近环境承载力的值，包括<math>{\displaystyle N(0)>K}</math>的情况下。

生态学中有时称一个物种是r策略或K策略(R/K选择理论)的，这是指它们在自然选择过程形成的生物生命周期策略。选取变量的量纲(因次分析)，使n代表以环境承载力单位计的种群数量，<math>{\displaystyle \tau }</math>代表以<math>{\displaystyle 1/r}</math>的单位计量的时间，得出无量纲微分方程：

生态学中有时称一个物种是r策略或K策略([[R/K选择理论]])的，这是指它们在自然选择过程形成的生物生命周期策略。选取变量的量纲(因次分析)，使n代表以环境承载力单位计的种群数量，<math>{\displaystyle \tau }</math>代表以<math>{\displaystyle 1/r}</math>的单位计量的时间，得出无量纲微分方程：

<math>{\displaystyle {\frac {dn}{d\tau }}=n(1-n)}</math>。

<math>{\displaystyle {\frac {dn}{d\tau }}=n(1-n)}</math>。

由于环境条件会影响环境承载力，因此它可能是随时间变化的，<math>{\displaystyle K(t)>0}</math>，得出以下数学模型：

由于环境条件会影响环境承载力，因此它可能是随时间变化的，<math>{\displaystyle K(t)>0}</math>，得出以下数学模型：

* 创新扩散：巴斯扩散模型的核心就是逻辑斯谛方程，用于描述新产品或新技术在人群中采纳的过程：从早期采用者到晚期大众，最后市场饱和。

* 创新扩散：巴斯扩散模型的核心就是逻辑斯谛方程，用于描述新产品或新技术在人群中采纳的过程：从早期采用者到晚期大众，最后市场饱和。

==机器学习：逻辑斯谛回归与激活函数==

==机器学习：[[逻辑斯谛回归]]与激活函数==

* 二分类问题：通过逻辑斯谛函数（Sigmoid函数）将线性组合的输出映射到（0,1）区间，解释为概率。

* 二分类问题：通过逻辑斯谛函数（Sigmoid函数）将线性组合的输出映射到（0,1）区间，解释为概率。

* 深度学习：作为神经网络的激活函数，引入非线性特性。标准逻辑斯谛函数<math>\sigma(x) = 1/(1+e^{-x})</math>是双曲正切函数<math>\tanh(x)</math>的缩放平移，即<math>\sigma(x) = \frac{1}{2} + \frac{1}{2}\tanh(\frac{x}{2})</math>。

* 深度学习：作为神经网络的激活函数，引入非线性特性。标准逻辑斯谛函数<math>\sigma(x) = 1/(1+e^{-x})</math>是双曲正切函数<math>\tanh(x)</math>的缩放平移，即<math>\sigma(x) = \frac{1}{2} + \frac{1}{2}\tanh(\frac{x}{2})</math>。

逻辑斯谛回归源于1944年约瑟夫·伯克森基于逻辑斯谛函数提出的logit函数，后来由大卫·考克斯在1958年正式命名为逻辑斯谛回归。如今，它已成为分类问题中最广泛使用的算法之一<ref>Berkson, J. (1944). Application of the logistic function to bio-assay. Journal of the American Statistical Association, 39(227), 357–365.</ref><ref>Cox, D. R. (1958). Two further applications of a model for binary regression. Biometrika, 45(3/4), 562–565.</ref>。

[[逻辑斯谛回归]]源于1944年约瑟夫·伯克森基于逻辑斯谛函数提出的logit函数，后来由大卫·考克斯在1958年正式命名为[[逻辑斯谛回归]]。如今，它已成为分类问题中最广泛使用的算法之一<ref>Berkson, J. (1944). Application of the logistic function to bio-assay. Journal of the American Statistical Association, 39(227), 357–365.</ref><ref>Cox, D. R. (1958). Two further applications of a model for binary regression. Biometrika, 45(3/4), 562–565.</ref>。

= 参考 =

= 参考 =

<references />

<references />