3.3 【实验】阻滞增长模型.docx

【实验】阻滞增长模型

3.3.1阻滞增长模型

Malthus人口模型假设人口增长率r为常数，导致了人口指数增长到无穷，这是不合理的。因为没有考虑到有限的资源对种群的增长会产生遏制作用。

假设3人口增长率是人口数量的递减函数。

假设4确定的环境内的资源供给为常数，且对每个个体的分配是均等的。这表明：当人口规模（密度）增大时，每个人食物的平均分配量必然减少，从而导致人口增长率降低。

假设5（对人口增长率做修正）：让它不再是常数r，而是时间t的函数r(t)，让它通过t时刻的人口数量来起作用，假设是这样作用：

这里K为新引入的参数，表示地球所能容纳的最大人口数量。

Malthus所处的时代，P(t)相对于K来说很小，括号项很接近1，所以也就合理了。若取K=+∞，就退化为Malthus人口模型。

用N(t)表示t时刻的人口数量，类似Malthus人口模型，可得到Logistic人口模型(Verhulst)：

仍用分离变量法就能求解：

其中，C=。MATLAB代码如下。

【例s3_2】：

symsrKN(t)t0N0

eqn=diff(N,t)==r*(1-N/K)*N;

cond=N(t0)==N0;

NSol(t)=dsolve(eqn,cond)%返回符号函数symfun

simplify(NSol(t))

3-9运行结果

考察时间t趋近于无穷大时的极限，从图3-10中可以发现结果与Malthus模型完全不同。MATLAB代码如下。

【例s3_2】：

N1=subs(NSol(t),[t0,K,r,N0],[01000.9,150])

x=0:0.01:20;

plot(x,double(subs(N1,t,x)),Linewidth,1.5)

holdon

N2=subs(NSol(t),[t0,K,r,N0],[01000.9,20])

x=0:0.01:20;

plot(x,double(subs(N2,t,x)),Linewidth,1.5)

fplot(100,[0,20],--g,Linewidth,1.5)

xm=double(solve(N2==50))

plot(xm,50,b*)

3-10运行结果

图3-10是取K=100，r=0.9，t0=0，分别令N0=150和N0=20绘制而成。

●y=K是渐近线。

●若初值N0＜K，则人口数将递增，且以K为极限。

●若初值N0＞K，则人口数将下降，且快速地趋于K。

再来看人口变化率曲线，MATLAB代码如下。

【例s3_2】：

%变化率曲线

dN(t)=simplify(diff(NSol(t),t))

dN=subs(dN(t),[t0,K,r,N0],[01000.9,20])

x=0:0.01:20;

y=double(subs(dN,t,x));

figure

plot(x,y,Linewidth,1.5)

holdon

plot(xm,double(subs(dN,t,xm)),r*)

3-11运行结果

人口变化率最大的时刻，正好对应的是人口增长曲线的拐点（见图3-10），此时，人口数为人口上限的一半：K/2。

与Malthus模型相比，Logistic人口模型增加了一个参数K，而且这个参数非常关键，对模型起决定性的影响，但它不容易计算或估计，仍有很多争议。

Logistic人口模型引入了阻滞增长，更加符合人口增长的一般规律。实际上，很多事物的生长规律都大致符合Logistic曲线：前期总数较小没有形成规模，增长相对缓慢；中期开始形成规模，按指数形式快速增长；后期规模达到一定程度，开始受资源所限增速又逐渐变缓，总数逐渐逼近容纳量上限。比如电影累计票房等。

另外，Logistic人口模型的离散形式称为Logistic映射，它有非常有意思的分岔现象，进而可以产生混沌。