几类随机微分方程解多项式增长-概率论与数理统计专业论文.docxVIP

1 绪论 引言 近年来，随着科学技术的飞速发展，对系统有重要影响的随机因素越来越受到 人们的重视。随机微分方程作为概率论与常微分方程相结合而成的边缘学科也得到 了很大的发展。 to1951 年 I ? 首次发表《On stochastic differential equations》[1]一文。之后， to 微分方程得到了理论工作者和应用人员的重视，大家对于随机微分方程的价值、要 义和前景有了越来越多的了解，且随机微分方程现在在自然科学和工程技术的很多 领域中都有应用。如：群体遗传学、分子与原子物理学、化学、动力学等多个学科。 随机微分方程研究的早期阶段，爱因斯坦、克拉美、斯莫鲁苏斯基、乌伦贝克 和奥伦斯坦等学者对随机微分方程的理论发展做出了卓有成效的工作。爱因斯坦建 立了分子扩散与布朗运动的数学基础理论以后，各种不同的领域[46]如：固态理论、 遗传学、通信科学、社会科学、化学、动力学以及工程学和自然科学的其它分支加 大了应用随机微分方程理论的科学研究。鉴于随机微分方程处理形式相对简单且在 现实生活中较多出现，许多科学领域内利用随机微分方程建立模型，如：经济金融 中的期权定价模型、人口增长模型、生物系统中的优胜劣汰模型、控制理论与系统 中的控制模型等许多学科中都有随机微分方程模型。 to几十年来，随机微分方程的数学理论与实践应用均有了极大的发展。随着 I ? 微积分概念的引入，随机微分方程的理论与应用在广度和深度上都有了极大地发展。 to 常微分方程是刻画事物变化规律的重要工具，但是常微分方程描述事物时存在 有弊端，即常微分方程描述的是事物在当前状态下发展变化的规律,忽略了历史状态 和环境中的随机因素对当前的影响。而随机微分方程弥补了这个缺陷[46]，考虑了环 境中许多随机因素的干扰，这些不确定性因素对系统的变化发展可能产生根本的影 1 PAGE PAGE 2 响。因为偶然的或者持续的干扰下系统能否保持计划的运行状态将不确定，即对系 统至关重要的稳定性将不确定，所以系统的稳定性是随机微分方程研究中的重要内 容。 众所周知，噪声能够被用来稳定一个不稳定的系统或者使已经稳定的系统更加 稳定。很多学者已经研究了确定性周期噪声的稳定性，且取得了一定的成果。如： Bellman et al.[2], Kushner[3], Meerkov[4]和 Kharitonov[5].对于随机噪声对系统的影 响，前人的成果主要归功于 Hasminskii[6]，他利用两个白色噪声稳定了一个不稳定 的系统，而且他的成果也打开了随机稳定性研究的新篇章。紧接着，Arnold [7]又提 出了系统 x? (t) = Ax(t) 稳定性结论，即系统 x? (t) = Ax(t) 可以被零均值状态参数噪声稳 定当且仅当 A的迹为负.对于非线性情况，Scheutzow[8]提供了一些飞机模型的稳定性 与非稳定性的例子。现在，已有很多关于随机干扰方程的稳定性的文献。几年前， Mao[9]提出了一些由布朗运动引起的系统稳定性问题的概括结论，如:在人口动态模 型中环境噪声能够在有限的时间内抑制爆炸[10]，这个结论对于随机人口系统的研究 [11][12]起到了很大的作用。最近，Deng[13]又得到了一重要结论，即噪声能够抑制 或者表达指数增长.2008 年 Hu,Liu[14][15]将 Deng 的结论进行了进一步的推广，讨论 了白噪声与色噪声的共同作用对随机微分方程的稳定性影响。 但是，上面提到的这些文献都只是考虑到了随机微分方程的指数稳定，而在许 多情况下由于受到的噪声很大，将使原来系统的解由指数增长变为解最多以多项式 增长，即噪声将抑制指数增长。这种情况下，在讨论系统的稳定性时需要考虑系统 的多项式增长，本文将在前人已有结论的基础上讨论几类随机微分方程解的多项式 增长。 1.2 几类随机微分方程的研究现状 1.2.1 随机延迟微分方程 自然界中，事物的变化过程可以分为两类。一类即指符合一定的事物变化规律 且具有确定的表达形式的变化过程，把这类过程称为确定性过程；另一类则指事物 的变化过程没有确定的变化形式，即仅用有关时间的确定性函数是不能准确描述事 物的变化规律的，把这类过程称为随机过程。现实生活中的事物与各种现象是处在 复杂且相互联系的环境中的，随机数据的不确定性或者过程本身的随机性将导致模 型中的随机因素的存在性[47]，许多现象中既有随机因素又有时滞影响，仅用常微分 方程和延迟方程描述客观现象的变化规律是不合适的。为满足现实需要，随机延迟 微分方程应运而生。 随机延迟微分方程的一般形式为 dx(t) = f (x(t), x(t?τ),t)dt+ g(x(t), x(t?τ),t)dB(t) . 随机延迟微