欢迎使用CSDN-markdown编辑器

数学模型和决策

一、 前言

数学离我们并不遥远, 数学要解决的就是我们生活中会碰到的各种问题, 我们可以用数学 去描述实际碰到的问题, 然后从计算中厘清一些事物间的关系, 并做出预测, 虽然模型并不能完 全代表真实的情况, 但是只要这个模型包含了那些最具影响力的主导向, 我们就可以从计算中 去预测和掌握趋势, 填补了用感觉和经验来做预测的一些缺点和不足, 至少有数学当基础的决 策会让人增添许多信心, 最近常常听到警察和抗议民众发生冲突, 让人开始对两个族群战争的 数学模型感到兴趣, 在此尝试了一些计算来描述和解释。

二、 内容

$\frac{dx}{dt}$ = x(a - by)
$\frac{dy}{dt}$ = -y(c - dx)

这类型的方程, 最早由美国统计学家 Alfred James Lotka 和意大利数学家 Vito Volterra 独立发表, 用来描述掠食者与猎物之间数量随时间变化的关系, 而本文则是用来描述两个族群生 长和战争的模型, 所讨论的对象有不同的角色关系。
考虑两个族群, 假设其族群内的个体数不增加, 而且两个族群发生战争, 造成双方个体的 数量下降, 我们将使用以下的模型来进行仿真。

$\frac{dA}{dt}$ = -$k_1$AB
$\frac{dB}{dt}$ = -$k_2$AB

其中 A, B 代表两个种族个别的个体数量

A(0) = $A_0 > 0, B(0) = B_0> 0, k_1,k_2$> 0

为什么这个方程式要这么列呢 ? 先想想看譬如有 10 个种族 A 的个体和 10 个种族 B 的个体, 一单位时间内平均相遇 3 次, 只要种族 A 和种族 B 的单一个体相遇, 就算一次, 那么如 果种族 A 的个体数变成 30 个, 种族 B 的个体数维持不变, 是不是一单位时间内平均相遇次 数就会变成 9 次, 此时如果种族 B 的个体数变成 20 个, 那么一单位时间内平均相遇次数就会 变成 18 次, 也就是说, 一单位时间内平均相遇次数正比于族群 A 和族群 B 的个体数, 我们不 仿假定一单位时间内平均相遇次数为 kAB, 又假设在一次相遇中族群 A 的个体死亡的机率为 PA, 族群 B 的个体死亡的机率为 PB , 那么 PAkAB 和 PBkAB 就可以分别代表族群 A 和 族群 B 一单位时间内平均死亡的个体数, 我们令 PAk = k1, PBk = k2, 就可以列出如下的方程序

$\frac{dA}{dt}$ = -$k_1$AB
$\frac{dB}{dt}$ = -$k_2$AB

接下来我们把 A 和 B 解出来:

$\frac{dA}{dB} = \frac{ k_1}{ k_2} \Rightarrow \int k_2 dA = \int k_1 dB \Rightarrow k_2A+C_1=k_1B$

将 (2) 式带回 (1) 式中, 得:

$\frac{dA}{dt} = -A(k_1A+ C_1) \Rightarrow \int \frac{dA}{A(k_2A+C_1)} = \int -1dt$

$\Rightarrow \int (\frac{ k_2 }{ k_2A }-\frac{ k_2}{ k_2A+ C_1})\frac{dA}{ C_1 }=-t+ C_2$

$\Rightarrow Ln(k_2A)-Ln(k_2A+C_1)=-C_1t+C_1C_2$

$\Rightarrow 1+\frac{ C_1}{ k_2A }=e^{C_1t- C_1 C_2}$

$\Rightarrow A=\frac{ C_1}{ k_2(e^{ C_1t- C_1 C_2-1}) }$将 A 代回 (2) 式中可得

$B(t)= \frac{ C_1 e^{C_1t- C_1 C_2}}{ k_1(e^{ C_1t- C_1 C_2-1}) }$

由初始条件可得
$C_1= k_1B_0- k_2 A_0. C_2= \frac{ Ln(\frac{ k_2 A_0}{ k_1B_0})}{ k_1B_0- k_2 A_0}$

其中这个 $C_1$ 在这个战争中具有特别的意义,

$如果C_1>0,则当t \rightarrow \infty,A(t)\rightarrow0,B(t)\rightarrow B_0-\frac{ k_2 }{ k_1 }A_0$

$如果C_1>0,则当t \rightarrow \infty,A(t)\rightarrow A_0-\frac{ k_1 }{ k_2 }B_0,B(t)\rightarrow 0$

$可以看出 C_1 > 0 意味着族群 B 会获胜而族群 A 将被消灭,$

$反之若 C_1 > 0 则族群 A 会获胜而族群 B 将被消灭,$

$所以 C_1 是一个族群 A 和族群 B 胜负的判别式,$

$让我们细细的研究一下 C_1 = k_1B_0 − k_2A_0,$

$A_0 和 B_0 分别是族群 A 和族群 B 一开始的个体数量,$

$k_1=P_Ak, k_2=P_Bk,$

$P_A 为族群 A 的个体在一次的战斗中死亡的机率, 换句话说这是族群 B 个体攻击力的一个指 标。 P_B 为族群 B 的个体在一次的战斗中死亡的机率, 这也是族群 A 个体攻击力的一个指标。$

$k_1=P_Ak, k_2=P_Bk,$

$我们可以看出 k_1, k_2 亦是族群 B 和族群 A 单一个体的战斗力指标, k_1B_0 和 k_2A_0 自然就可 以看作是族群 B 与族群 A 的总体战斗力, 至此我们知道 C_1 = k_1B_0 − k_2A_0 即是族群 B 和 族群 A 总体战斗力的差, 当然 C_1 当成是族群 A 和族群 B 战斗胜负的判别式也就实至名归了。$

如果考虑个体数会增生, 把原本的数学模型修改一下。 考虑两个族群, 假设其族群内的个体数会增加, 而且两个族群发生战争, 造成双方个体的数量下降, 我们将使用以下的模型来进行模拟。

$\frac{dA}{dt} = mA-k_1AB$
$\frac{dB}{dt} =mB-k_2AB$

$其中 A, B 代表两个族群个别的个体数量, A(0) = A_0 > 0, B(0) = B_0 > 0, k_1, k_2, m > 0, 在不考虑环境负载和战争的简单情况下, 式子中的 mA 和 mB 代表着族群的成长速度与族群 本身的数量呈正比, 如果将式子中的 mA 和 mB 改成 m_1A 和 m_2B, 其中 m_1 和 m_2 不相 同, 那么情况就复杂许多, 不在本文的讨论范围中。$

解：

$k_2\frac{dA}{dt}-k_1\frac{dB}{dt}=m(k_1A-k_2B) \Rightarrow \frac{d(k_2A-k_1B)}{dt}=m(k_2A-k_2B)$

$\Rightarrow (k_2A-k_1B)=C_1e^{mt}$

$\frac{\frac{dA}{dt}}{\frac{dB}{dt}}=\frac{dA}{dB}=\frac{A(m-k_1B)}{B(m-k_2A)}\Rightarrow \int \frac{m-k_2A}{A}dA= \int \frac{m-k_1B}{B}dB$

$\Rightarrow mlnA-k_2A=mLnB-k_1B+C_2$

$\Rightarrow mLn(\frac{A}{B})=k_2A-k_1B+C_2=C_1e^{mt}+C_2$

$\Rightarrow A=Be^{\frac{C_1e^{mt}+C_2}{m}},此式与 (3) 式进行联立可得$

$A=\frac{C_1e^{mt}+\frac{C_1e^{mt}+C_2}{m}}{k_2e^{\frac{C_1e^{mt}+C_2}{m}}-k_1},B=(\frac{C_1e{mt}}{k_2e^{\frac{C_1e^{mt}+C_2}{m}}-k_1}$

代入初始值可得$C_1=k_2A_0-k_1B_0,C_2=mln(\frac{A_0}{B_0})-k_2A_0+k_1B_0$

$C_1 在这个模型中仍旧是一个胜负的判别式,$

$如果 C1 > 0, 则当 t 很大时$

$A=\frac{C_1e^{mt}+\frac{C_1e^{mt}+C_2}{m}}{k_2e^{\frac{C_1e^{mt}+C_2}{m}}-k_1}=C_1e^{mt}(\frac{ e^{\frac{C_1e^{mt}+C_2 }{m}}}{ k_2e^{\frac{C_1e^{mt}+C_2}{m}}-k_1})=(A_0- \frac{ k_1}{ k_2}B_0)e^{mt}$

$B\approx0$

$如果 C_1 < 0, 则当 t 很大时$

$A\approx0$

$B=\frac{ C_1e^{mt}}{ k_2e^{\frac{C_1e^{mt}+C_2}{m}}-k_1 } \approx \frac{C_1}{-k_1}e^{mt}=(B_0- \frac{ k_2}{ k_1}A_0)e^{mt}$

解释:
$C_1 = k_2A_0 − k_1B_0 > 0, 指群体 A 的总体战力大过群体 B, 在经过一段时间的战斗后,群体 A 的个体数大概剩 A_0 −B0 这么多, 并以这个数量继续增生, 而群体 B 几乎被消灭掉, 反之 C_1 < 0, 指群体 B 的总体战力大过群体 A, 在经过一段时间的战斗后, 群体 B 的个体数大概剩 B0 −\frac{k_2}{K-1}A0 这么多, 并以这个数量继续增生, 而群体 A 几乎被消灭掉。$

结语

数学常常给人一种不食人间烟火的感觉, 其实我们生活中会碰到许多的困难和问题要去解 决或是做决策, 譬如对奕、 经济、 军事、 医学、 民生, 这些都可以从建构数学模型或是进行统计 来帮我们做预测, 弥补经验和感觉的不足, 譬如说我们都知道消息传递快速, 一传十, 十传百, 但是实际上到底有多快? 如果我们没有建立起一个模型进行计算, 我们很难掌握某种我们关心 的量随时间推移其大小的变化, 而这个量的大或小可能就会决定一个策略的成败, 就如同前面 提到的群体 A 和群体 B 的战争模型一样, 打赢的大量增生, 打输的几乎被消灭, 这是天差地远 的结果, 一个决策的好坏影响真的很大。