76
个编辑
更改
无编辑摘要
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《简单数学模型中的复杂动力学》中<ref>May R. 1976. Simple mathematical models with very complicated dynamics. Nature 261, 459–467.</ref>，系统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《简单数学模型中的复杂动力学》中<ref>May R. 1976. Simple mathematical models with very complicated dynamics. Nature 261, 459–467.</ref>，系统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相关的种群连续增长模型的典型，其参数<math>R</math>（内禀增长率）和<math>K</math>（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=
因此，任何形如<math>N_{(t)} = C\mathrm{e}^{λt}</math>的指数函数都是方程的解。
因此，任何形如<math>N_{(t)} = C\mathrm{e}^{λt}</math>的指数函数都是方程的解。
令C取不同实数值，可得方程的解族<math>N_{(t)} = Ce^{λt}</math>。由于种群规模为正，故只取C > 0的解。 代入初始时间t = 0，得<math>N(0) = Ce^{λ(0)} = C</math>，可见常数C即为初始种群规模<math>N_{(0)}</math>。
令C取不同实数值，可得方程的解族<math>N_{(t)} = Ce^{λt}</math>。由于种群规模为正，故只取C > 0的解。 代入初始时间t = 0，得<math>N(0) = Ce^{λ(0)} = C</math>，可知常数C即为初始种群规模<math>N_{(0)}</math>。
然而，自然界中的种群增长并非无限制。马尔萨斯模型描述了理想条件下（即资源无限时）的指数增长，但这在现实中几乎不存在。大多数增长过程会受到环境承载力（如食物、空间、天敌等）的限制。韦尔霍斯特意识到人口增长不仅与现有人口相关，还受可用资源制约，即存在一个最大承载量。
在环境资源有限的情况下，种群初始呈指数增长，当规模接近环境容纳量K时，增长趋于稳定（若规模超过K，则会下降至K）（图1）。一个符合现实的模型应满足以下两点：
在环境资源有限的情况下，种群初始呈指数增长，当规模接近环境容纳量K时，增长趋于稳定（若规模超过K，则会下降至K）（图1）。一个符合现实的模型应满足以下两点：
一种能同时满足上述两个假设的方法是，假定增长率与当前种群规模（<math>K</math>）成正比，同时也与剩余资源空间（<math>K-N</math>）成正比。
一种能同时满足上述两个假设的方法是，假定增长率与当前种群规模（<math>K</math>）成正比，同时也与剩余资源空间（<math>K-N</math>）成正比。
对应的微分方程为<math>\mathrm{d}N/ \mathrm{d}t = cN(K - N)</math>，其中c为比例常数。该式常写作等价形式<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c为比例常数。该式等价于<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==
==离散形式的逻辑斯谛方程==
==离散形式的逻辑斯谛方程==
逻辑斯谛方程的离散形式称为[[逻辑斯谛映射]]，其表达式为：<math>x_{n+1} = r x_n (1 - x_n)</math>，其中<math>x_n</math>表示第n代的种群规模（通常归一化到[0,1]区间），<math>r</math>为增长参数。该离散模型可视为通过欧拉前差法从连续方程近似得到，是研究混沌动力学的经典模型。当参数λ变化时，系统会经历倍周期分岔通向混沌，展示了确定性非线性系统内在的复杂性与不可预测性<ref>Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). Boca Raton: CRC Press.</ref><ref>May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459–467.</ref><ref>Feigenbaum, M. J. (1978). Quantitative universality for a class of nonlinear transformations. Journal of Statistical Physics, 19(1), 25–52.</ref>。
逻辑斯谛方程的离散形式称为[[逻辑斯谛映射]]，其表达式为：<math>x_{n+1} = λ x_n (1 - x_n)</math>，其中<math>x_n</math>表示第n代的种群规模（通常归一化到[0,1]区间），λ为增长参数。该离散模型可视为通过欧拉前差法从连续方程近似得到，是研究混沌动力学的经典模型。当参数λ变化时，系统会经历倍周期分岔通向混沌，展示了确定性非线性系统内在的复杂性与不可预测性<ref>Strogatz, S. H. (2018). Nonlinear dynamics and chaos: with applications to physics, biology, chemistry, and engineering (2nd ed.). Boca Raton: CRC Press.</ref><ref>May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459–467.</ref><ref>Feigenbaum, M. J. (1978). Quantitative universality for a class of nonlinear transformations. Journal of Statistical Physics, 19(1), 25–52.</ref>。
== 推广 ==
== 推广 ==
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。其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。其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>。
在人口学中，该模型通常写作：<math>{\displaystyle {\frac {dN}{dt}}=rN\left(1-{\frac {N}{K}}\right)}</math>，
<math>{\displaystyle {\frac {dN}{dt}}=rN\left(1-{\frac {N}{K}}\right)}</math>，
其中常数<math>r</math>为种群（人口）增长率，<math>K</math>为环境承载力。
方程中，早期的几乎无阻力的增长率来自<math>rN</math>。增长率r代表种群（人口）数量N在一个单位时间内的增长比例。随着人口增长，第二项<math>{\frac{-rN^2}{K}}</math>变得几乎和第一项一样大，种群N内的个体之间开始争夺某些关键资源（例如食物或生存空间）而相互干扰。这种对抗效应称为“瓶颈”，由参数K代表。竞争会降低总增长率，直到N停止增长（种群/人口成熟）。方程的解（<math>N_{0}</math>为初始种群/人口数量）为
方程中，早期的几乎无阻力的增长率来自<math>rN</math>。增长率r代表种群（人口）数量N在一个单位时间内的增长比例。随着人口增长，第二项<math>{\frac{-rN^2}{K}}</math>变得几乎和第一项一样大，种群N内的个体之间开始争夺某些关键资源（例如食物或生存空间）而相互干扰。这种对抗效应称为“瓶颈”，由参数K代表。竞争会降低总增长率，直到N停止增长（种群/人口成熟）。方程的解（<math>N_{0}</math>为初始种群/人口数量）为
<math>{\displaystyle N(t)={\frac {KN_{0}e^{rt}}{K+N_{0}\left(e^{rt}-1\right)}}={\frac {K}{1+\left({\frac {K-N_{0}}{N_{0}}}\right)e^{-rt}}}}</math>，
<math>{\displaystyle N(t)={\frac {KN_{0}e^{rt}}{K+N_{0}\left(e^{rt}-1\right)}}={\frac {K}{1+\left({\frac {K-N_{0}}{N_{0}}}\right)e^{-rt}}}}</math>，
因此，K是N的极限值，即经过足够长时间后，种群（人口）规模所能达到的最大值。值得注意的是，只要初始值<math>{\displaystyle N(0)>0}</math>，无论取值多少，种群数量都会渐近逼近环境承载力K，即使初始值<math>{\displaystyle N(0)>K}</math>也是如此。
因此，K是N的极限值，即经过足够长时间后，种群（人口）规模所能达到的最大值。值得注意的是，只要初始值<math>{\displaystyle N(0)>0}</math>，无论取值多少，种群数量都会渐近逼近环境承载力K，即使初始值<math>{\displaystyle N(0)>K}</math>也是如此。
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。进行无量纲化，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>。
若环境承载力随时间变化，即<math>{\displaystyle K(t)>0}</math>，则得到以下数学模型：
若环境承载力随时间变化，即<math>{\displaystyle K(t)>0}</math>，则得到以下数学模型：