Некоторые математические модели динамики структурированных популяций

Тип работы:
Реферат
Предмет:
Физико-математические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Математическое моделирование. Оптимальное управление Вестник Нижегородского университета им. Н. И. Лобачевского, 2011, № 3 (2), с. 99−1 07
УДК 517. 9: 519. 86
НЕКОТОРЫЕ МАТЕМАТИЧЕСКИЕ МОДЕЛИ ДИНАМИКИ СТРУКТУРИРОВАННЫХ ПОПУЛЯЦИЙ
© 2011 г. Ю. А. Кузнецов, А.Ю. Кузнецова
Нижегородский госуниверситет им. Н.И. Лобачевского
Yu-Kuzn@mm. unn. ru
Поступила в редакцию 17. 03. 2011
Дается краткий обзор литературы, посвященной исследованию математических моделей популяций, элементы которых обладают внутренней структурой (структурированные популяции). Формулируются общие математические модели динамики структурированных популяций и соответствующие постановки начально-краевой задачи с нелокальными граничными условиями.
Ключевые слова: математическая модель, динамика популяций, внутренняя структура, структурированная популяция, клеточная популяция, возраст, начально-краевая задача, нелокальные граничные
условия.
Введение. Краткий обзор
Широкий круг задач, возникающих в естествознании и в социально-экономических науках, приводит к рассмотрению популяций (ансамблей), состоящих из однотипных элементов, отличающихся, тем не менее, друг от друга некоторыми важными «внутренними» параметрами, характеризующими особенности их поведения (эволюции). Очень часто в подобных случаях говорят о структурированных популяциях. Хорошо известным примером такого рода задач служат задачи математической биофизики, связанные с описанием динамики биологических популяций с учетом распределения элементов популяции по возрастам (массам, размерам) и другим биологическим или промысловым характеристикам.
Считается, что впервые модель динамики биологической популяции с учетом распределения её элементов по возрастам была построена Л. Эйлером в его знаменитой работе [1], посвященной исследованию «смертности и умножения человеческого рода». Впрочем, как указывается в [2], точка зрения Л. Эйлера — это точка зрения актуария, а не биолога. Одним из главных вопросов, к рассмотрению которого он обратился в указанной работе, был вопрос об определении ренты, которая является справедливой, чтобы платить её человеку данного возраста в будущем (до его смерти) за сумму 8, которую он платит теперь. Чтобы сделать это, Л. Эйлер должен был вычислить не только ожидаемую продолжительность оставшейся жизни человека данного возраста, но также и вероят-
ности его смерти точно к лет спустя. Л. Эйлер работал с дискретным временем- актуарии поступают так и до сегодняшнего дня (последнее объясняется тем, что статистические данные относительно рождений и смертных случаев регистрируются, так сказать, «в ежегодном разрезе»). Л. Эйлер решил сформулированную им проблему и показал, что при ежегодном проценте X каждый год должна быть уплачена постоянная сумма р. Эта величина р удовлетворяет некоторому уравнению, которое является актуарным (страховым) аналогом (и предшественником на 170 лет!) соотношения Фишера для репродуктивной ценности [3].
После работ Л. Эйлера вплоть до начала XX столетия теория структурированных популяций не вызывала особого интереса у исследователей- интерес к ней возобновился после работы А. Лотки [4, 5], который, не зная о работе Л. Эйлера, открыл вновь некоторые его результаты. Развитию этого направления в теории структурированных популяций посвящены другие известные работы А. Лотки, в том числе [6, 7]. В последней из них рассмотрены вопросы теории уравнения восстановления. Несколько неполные результаты А. Лотки были впоследствии обобщены и уточнены в работе В. Феллера [8].
Основу для развития другого (и очень близкого к подходу А. Лотки) направления в теории структурированных популяций заложила ныне хорошо известная работа А. Мак-Кендрика [9]. В ней впервые было получено следующее гиперболическое уравнение, носящее теперь имя его автора:
dn (t, a) dn (t, a)
¦ ±------------= -^(t, a) n (t, a) •
dt
da
(*)
В уравнении (*) функция n (t, a) — распределение численности популяции по возрасту, а е [0, да) как функция времени t е[?0, да), а
ц (?, а) — показатель (темп) смертности.
Впрочем, работа А. Мак-Кендрика не получила в своё время широкой известности. Поэтому некоторые его результаты также были заново открыты приблизительно двадцать лет спустя. В основном это было сделано в работе [10], в которой вновь было получено уравнение А. Мак-Кендрика (*) — кроме того, в дополнение к работе А. Мак-Кендрика, здесь было сформулировано также важное соотношение, которое следует интерпретировать как граничное условие для уравнения (*).
Уравнение (*) часто называют уравнением Мак-Кендрика-фон Фёрстера, или, если хотят воздать должное заслугам их предшественника А. Лотки, также и уравнением Лотки-Мак-Кендрика-фон Фёрстера. Впрочем, в такой ситуации было бы справедливо также вспомнить и
о результатах и заслугах Л. Эйлера.
По-видимому, самые первые результаты математического характера для уравнения Мак-Кендрика-фон Фёрстера были получены в работах [11, 12]. В работах [13, 14] были высказаны важные соображения, касающиеся как степени общности этого уравнения, так и различных вариантов его обобщения. В указанных работах, в частности, отмечалась необходимость получения «многомерного» варианта уравнения Мак-Кендрика-фон Фёрстера. Это уравнение должно описывать такие клеточные популяции, элементы которых характеризуются более чем одним признаком, или же признаком, отличным от возраста. В этих работах был указан также формально и общий вид «многомерного» уравнения Мак-Кендрика-фон Фёрстера.
В настоящее время теория структурированных биологических популяций является достаточно активно развивающейся областью науки- она находит важные приложения в биофизике и медицине- ей посвящен ряд обстоятельных обзоров и монографий. Достаточно подробные обзоры исследований в этой области представлены в работах [2, 15−23]. Ряд интересных аспектов теории структурированных биологических популяций приведен и в работах [24−37]. Отметим также (см., например, работы [21−23]), что значительный прикладной интерес представляют также те задачи теории структурированных биологических популяций, которые касаются связи внутрипопуляционной дифферен-
циации, обусловленной внутренней структурой их элементов, с пространственно-временными аспектами их эволюции.
Несколько менее известны задачи, возникающие, например, в математической экономике
— при описании эволюции капитальных ресурсов (см., например, [38−43]), динамики распределения фирм по размерам (см., например, [4447]) — в математической демографии — при описании динамики трудовых ресурсов и их мобильности (см., например, [48−50]).
Некоторые процессы, являющиеся предметом исследований в теории дисперсных систем (и представляющие большой интерес в метеорологии, коллоидной химии, астрофизике и т. д.), могут быть описаны с помощью уравнений, весьма сходных с уравнениями указанного выше типа: это разнообразные версии уравнения коагуляции-фрагментации. В общем виде это уравнение исследовалось, например, в работах [51−57]. Исторический очерк и обзор исследований в этой области имеется, например, в работах [54, 56−58].
В большинстве случаев соответствующие математические модели исследуемых систем включают в себя некоторые нелинейные дифференциальные уравнения с частными производными первого порядка с достаточно специфической структурой. Это позволяет ввести в рассмотрение математические модели динамики структурированных популяций достаточно общего вида, охватывающие весьма широкий класс прикладных задач.
Настоящая работа посвящена исследованию вопросов разрешимости и корректности начально-краевых задач для математических моделей динамики структурированных популяций общего вида. Рассмотрение (и интерпретация получаемых результатов) для определенности проводится на примере структурированных биологических (клеточных) популяций.
В первой части работы описываются два основных класса математических моделей динамики структурированных популяций, а также приводятся постановки соответствующих начально-краевых задач, в том числе с нелокальными граничными условиями.
Первый из указанных классов моделей связан с рассмотрением популяций, структурированных по возрасту и по ряду других параметров, характеризующих «уровень зрелости» составляющих её клеток (age and maturity-structured cellular population). Уровень зрелости клетки (в зависимости от конкретной задачи) может быть охарактеризован не только возрастом, но также, например, и такими её параметрами, как масса, объем,
линейные размеры, концентрация (масса) некоторого фермента и т. д.
Второй класс моделей включает в себя те модели популяций, для которых возрастные характеристики не представляют большого интереса- основными факторами их структурирования выступают другие параметры, более доступные для измерений и более адекватно характеризующие физиологический уровень зрелости клеток1. Очень часто в качестве такого признака выбирают размер клетки.
В последующих частях работы исследуются вопросы разрешимости и корректности начально-краевых задач с нелокальными граничными условиями для линейных и нелинейных математических моделей динамики структурированных популяций, а также некоторые качественные свойства решений указанных задач. Заметим, что для нелинейных моделей динамики популяций характерен не только учет, скажем, внутривидовой конкуренции из-за питательных веществ и других ограниченных ресурсов- важную роль играет также и учет состояния окружающей среды и взаимного влияния друг на друга популяции и окружающей среды. Во многих случаях это приводит к необходимости введения новых переменных и уравнений для описания перечисленных эффектов, так что нелинейные математические модели динамики структурированных популяций, как правило, представляют собой системы нелинейных уравнений, включающие в себя уравнения иной структуры, чем рассматриваемые в первой части настоящей работы.
Математические модели динамики структурированных популяций
1. Рассмотрим сначала первый из указанных выше классов математических моделей. Этот класс моделей связан с изучением динамики популяций, структурированных по возрасту и по параметрам, характеризующим уровень зрелости составляющих её клеток. Построим данную математическую модель, опираясь на биологические и модельные концепции, представленные в работах [21−25, 28, 30, 60].
Обозначим a е A = [0, юА) с R + возраст (age)2,
а m е M = х*=1 M i с R + - параметр, характеризу-
1 Легко видеть, что модели второго типа имеют значительное сходство с моделями фрагментации в теории дисперсных сред (см., например, [59, 60]).
2 Здесь, по определению, [0, ф = [0, ф], если
ю е (0, да), и [0, ш) = [0, да), если ю = да.
ющий зрелость (maturity) клетки. Здесь и в дальнейшем R + = [0, ад), M i = [о, (c)м.), i = 1,2,…, k,
юа и юм — соответственно максимально возможные возраст и уровень зрелости клетки по параметру, i = 1,2,…, k. Удобно кратко говорить о клетке с параметрами (a, m) е A х M как
о (a, m) -клетке или о клетке типа (a, m). Полное описание клеточной популяции может быть задано с помощью (неотрицательной) функции N (t, a, m), t e Ito = [t0,"), (a, m) е A х M, представляющей собой плотность математического ожидания числа клеток с параметрами, «близкими» к параметрам (a, m) в момент времени t e I,, так что в указанный момент времени
41
имеется приблизительно N (t, a, m) AaAm клеток с параметрами (а, ц) eAаA xAmM. Здесь и в дальнейшем Aт = nf=1Ami, Aa A = [a, a + Ad и AmM =, m, + Ami ]. Опишем теперь кратко
общую картину эволюции клеток рассматриваемой популяции. Дочерней клетке в момент её рождения приписывается возраст a = 0- эта клетка имеет также некоторый уровень зрелости, унаследованный от породившей её материнской клетки. Считается, что зрелость клетки «возрастает» со временем t e Iio, и при достижении некоторого возраста и уровня зрелости материнская (a, m) -клетка делится. Рассмотрим промежуток времени [t, t + At], t e It. На этом
промежутке с вероятностью ~ b (a, m) At материнская клетка делится, в результате чего образуются две клетки — дочери, имеющие типы (0, m1) и (0, m2) соответственно, причем в общем случае происходит «неравное деление», так что т1 ф т2. Если иметь в виду чаще всего встречающуюся (традиционную) интерпретацию параметров зрелости клетки (масса, объем, линейные размеры, концентрация (масса) некоторого фермента и т. д.), то естественно также считать, что справедливы неравенства 0Rt & lt-Rt mt & lt-Rt m, i = 1,2. Здесь и далее неравенство вида a & lt-«k b между векторами a, b e Rk означает, что b — a e K + (Rk), где 0Rt — нулевой элемент пространства Rk, а K + (Rk) = R + -конус векторов пространства Rk с неотрицательными компонентами (см., например [61, 62] и др.). Введенная выше неотрицательная функция ?(у): A х M ^ R + характеризует склонность клеток популяции к делению. Обозначим, да-
лее, (c)(а, т, п) плотность условного математического ожидания числа дочерних клеток типа (0,р), р еАИМ = хк1 [щ, щ + Ащ ], Ап = Ап, при делении материнской клетки типа (а, т). Другими словами, при делении (а, т) -клетки рождается приблизительно (c)(а, т, п) Ап дочерних клеток указанного типа.
Процесс „увеличения“ (с течением времени) зрелости клетки может быть описан следующим образом. Пусть е Г — момент рождения клет-
О ?0
ки. Считается, что эволюция её возраста и уровня зрелости могут быть описаны системой обыкновенных дифференциальных уравнений
^=1 • ^=*мо,"т] • г & gt- ч (1)
ш ш
с начальными условиями
а)|,+0 = 0, т (0| ,=, +0 = т0 ,
т0 е М с Я +. (2)
Очевидно, что, а = t — tь- при этом второе
уравнение системы (1) и начальное условие (2)
для него можно записать также в виде
= §[а, т (а)], т{а)а=+0 = т0, т0 е М с Я +. (3)
Здесь, а е, А — „индивидуальный“ возраст клетки. Ниже всюду предполагается, что функция g (•,•): А х М ^ Як является непрерывно-дифференцируемой, а задача Коши (3) имеет неотрицательное глобальное решение т (-) е С1 [А- Як ] для любого начального условия
т0 е М с Я +, так что т (а) е М, Vа е А. Данное описание „индивидуальной“ эволюции клетки соответствует общепринятым представлениям о закономерностях роста клеток (см., например, [63, 64]). При этом, особенно если речь идет о таких параметрах клетки, как масса, объем, линейные размеры и т. д., зачастую предполагается, что имеют место неравенства gi (а, т) & gt- 0, У (а, т) е, А х М, I = 1,2. Обозначим, далее, ^(а, т) смертность (а, т) -клеток. Эта величина характеризует естественную смертность клеток, так что в течение промежутка времени [?,-¦ + А? ] с вероятностью ~ ^(а, т) А/ клетка типа (а, т) погибает, не порождая потомков. В целом же во всей популяции „в целом“ в течение промежутка времени [?,? + А?] гибнет приблизительно ц (а, т) И а, т) АаАтЫ
клеток типа (а, ц), (а, ц) e Aа A х AmM. Обычно предполагается, что клетки не могут делиться, если они не достигли некоторого „минимального“ уровня зрелости m8 e M, так
что b (a, m) = 0, Vm & lt-Rt от0. Функции
ц (у): A x M ^ R +, e (v): A x M ^ R + считаются непрерывными.
В итоге математическая модель динамики популяции с учетом ее возрастного состава и внутренних параметров записывается следующим образом:
dN (t, a, m) dN (t, a, m) dt da
+ div m {g (a, m) N (t, a, m)} =
= -d (a, m) N (t, a, m) + q (t, a, m), (4)
N (t, a, m) а=+0 =
= iib (a '-, m '-)(c)(a '-, m '-, m) N (t, a '-, m '-)da '-dm '- ,
AM
t e I,, m g M, (5)
gi (a, m) N (t, a, m)^ =+Q = 0, t e I, 0,
a e A, i =, (6)
N (t, a, m) t=t0+0 = N0 (a, m),
(a, m) g A x M. (7)
Здесь функция q (t, a, m) описывает независимое от состояния популяции поступление клеток извне („внешние источники“), а d (a, m) = ц (а, m) + b (a, m).
Заметим, что если система (3) обладает тривиальным решением m = 0 k (что вполне воз-
eq R
можно в некоторых вариантах постановки данной задачи, см., например, [28]), то тогда, в силу равенства g (a, 0» k) = 0″ k, краевые условия
о V? R / R
(6) будут выполнены «автоматически».
Если учесть тот факт, что в действительности коэффициенты и ядра системы (4)-(7) зависят от текущего состояния популяции (скажем, от её численности- см., например, [20−22]), то следует рассматривать соответствующую нелинейную систему уравнений, например, следующего вида:
dN (t, a, m) dN (t, a, m) dt da
+ divm {g (a, m, N (t,-,-), N (t, a, m)) N (t, a, m)} =
= R (t, a, m, N (t,-,-), N (t, a, m)), (8)
N (t, 0& gt- mIa = +0 =
= J jB (t, a '-, m '-, m, N (t ,•,•), N (t, a '-, m '-))da '-dm '- =
AM
= (BN)(t, m), (9)
gi (a, m, N (t,-,-), N (t, a, m))N (t, a, m) m =+0 = 0
t e I,, a e A, i = ,
, 0
(10)
с начальными условиями (7), где оператор R (t, a, m, N (t,-,-), N (t, a, m)) может быть задан, например, следующим образом:
R (t, a, m, N (t,-,-), N (t, a, m)) =
= -d (t, a, m, N (t,-,-), N (t, a, m)) N (t, a, m) +
+ Q (t, a, m, N (t,-,-), N (t, a, m)) + q (t, a, m). (11)
Смысл введенных здесь функций и операторов ясен из предыдущего рассмотрения.
2. Рассмотрим теперь второй класс математических моделей. Для этого класса наиболее характерной чертой является то, что возрастные характеристики элементов популяции не учитываются: основными факторами их структурирования выступают параметры, характеризующие уровень зрелости клеток.
Полное описание клеточной популяции может быть задано с помощью (неотрицательной) функции N (/, т), г е I, = [г0,& lt-«), т е М, представляющей собой плотность математического ожидания числа клеток с параметрами, «близкими» к параметрам т в момент времени I е I,, так что в момент времени I е I, имеется
приблизительно N (/, т) Ат клеток с параметрами ц е АтМ. Общая картина эволюции клеток
рассматриваемой популяции во многом аналогична уже рассмотренной. Дочерние клетки в момент их рождения приобретают некоторый уровень зрелости, унаследованный от породившей её материнской клетки. Рассмотрим промежуток времени и, t + АЛ, / е I,. В течение
^0
этого промежутка с вероятностью ~ Ъ (т)А/ материнская клетка делится, в результате чего образуются две клетки — дочери, имеющие типы т1 и т2 соответственно, причем в общем случае происходит «неравное деление», так что т1 ф ш2. Как и выше, можно считать, что справедливы неравенства вида 0 к к щ. & lt- к щ,
К К * к
I = 1,2. Обозначим, далее, 0(т, п) плотность условного математического ожидания числа
дочерних клеток типа р, р е АИМ, при делении материнской клетки типа т. Другими словами, при делении т -клетки рождается приблизительно (c)(от, п) Ап дочерних клеток указанного типа р, р еАПМ.
Процесс «роста» с течением времени зрелости клетки описывается вполне аналогичным
образом. Пусть и е I — момент рождения клетЬ Г0
ки. Считается, что эволюция её уровня зрелости может быть описана следующей задачей Коши для системы обыкновенных дифференциальных уравнений:
dm (t) dt
= g[t, m (t)], t & gt- tb — m (t)t=t +0 = m0,
m0 e M c R +.
(12)
Предполагается, что функция р (-,-):Г хМ^-^
о'/
является непрерывно-дифференцируемой, а задача Коши (1 2) имеет неотрицательное глобальное решение от (-) е С1\1 — Rк ] для любого
начального условия m0 e M c R +, так что
mit) e M, Vt e I,. Как и в предыдущем случае,
Г0
часто считают, что g. (t, m) & gt- 0, V (t, m) e Ito x M, i = 1,2,…, k.
Далее, обозначим ц (от) смертность m -клеток. Эта величина характеризует естественную смертность клеток: в течение промежутка времени [t, t + Аt] с вероятностью ~ ц (м)А? клетка типа m погибает, не порождая потомков. В целом же в популяции в течение промежутка времени [t, t + A t ] гибнет приблизительно
ц (т)N (t, m) AmAt клеток типа X, ХеАmM. Введенные функции ц (-): M ^ R + и b (-): M ^ R+ являются непрерывными.
Во многих случаях оказывается удобным пользоваться следующими достаточно традиционными (например, в теории игр) обозначениями (подробнее см., например, [65]).
Пусть вектор X = col{x1, x2xk} e Rk,
K = {1,2,…, к} - «множество индексов», а индекс i e K. Обозначим множество «остальных» (по отношению к индексу i) индексов символом K i = K {i}. Очевидно, что
{1,2,…, i -1,i +1,…, k}, 1 & lt- i & lt- k,
i = 1,
i = k.
{2,3,…, k}, {1,2,…, k -1},
Пусть, далее, xKu = x_t є Rk-1 — вектор, состоящий из тех компонент вектора x є Rk, номера которых перечислены в множестве K і = K {і}. Ясно, что
xKXi = col{xk, к є K i} = col{xl, x2x,-_j, x,-+1,…, xk}, 1 & lt- i & lt- k, col{x2, x3,…, xk}, i = 1,
col{xj, x2,., xk _j}, i = k.
Понятно, что по набору элементов совокупности компонент вектора x и пары {xNXi, x-}
совпадают (эквивалентны). Пусть х- є X- с R,
i є K. Вполне аналогичным образом можно
к
определить следующие объекты: XK = х X,
XKi = ,*. Xl, XKi = X-i.
ZeKi
Удобно определить операцию [] «достройки» вектора xKє XKXi до вектора x є XK, так что x = xKXi[]xt = col{xx, x2,…, xk}. Аналогичным образом определяется операция «достройки»
множества
X
Ki
до
множества
X,
к •
Хк = ХКі [х]Хг-. Для вектора х є Хк вектор х (і, V) = св1{х1,х2,-хі_1,V, хм,…, хп} можно представить в виде х (і, V) = хк[]у. Часто использу-
ется операция
«замещения» компоненты х-
вектора х е Хк величиной у е X, так что х (г, у) = х 11. V (или, если из контекста ясно, о какой компоненте вектора х е Хк идет речь, то вектор х (г, V) = х || V). Связь операций «достройки» и «замещения» понятна из соотношения х (г, V) = х ||.V = Хк[] V.
С учетом введенных выше обозначений математическая модель второго типа записывается следующим образом:
dN (t, m)
dt
+ divm {g (t, m) N (t, m)} = -d (m) N (t, m) +
Здесь символом M (m) обозначено множество таких m'- -клеток (точнее говоря, параметров m'- е M), при делении которых возможно образование m -клеток (клеток типа m). Например, при традиционной интерпретации параметров зрелости клетки в ряде случаев можно считать, что M (m) = {m'- е M: от'- & gt-rk m},
Vot e M. Далее, функция q (t, m) описывает независимое от состояния популяции поступление клеток извне («внешние источники»), а функция d (m) =. (m) + b (m). Что же касается граничных условий (14), то при их обосновании использованы построения, связанные с рассмотрением баланса числа частиц популяции в окрестности некоторой точки m_ []0, принадлежащей границе множества M, i е K. Такой подход к формулировке граничных условий достаточно традиционен и представляется вполне естественным. Впрочем, следует заметить, что в литературе (см., например, [23, 29, 32, 59] и др.) весьма часто встречаются — правда, в основном в одномерном случае k = 1 -краевые условия совсем иного вида. В определенном смысле, такого рода краевые условия как в содержательном, так и в формальном плане напоминают условия (9) и представляются следующим образом:
Si (t, m_i []0) N (t, m_t []0) = g (t, m) N (t, m) щ=+0 =
= J b (m'-)& amp-(m'-, m-i []0) N (t, m'-)dm'-,
t є It, i є K.

(16)
Соответствующая (13)-(15) нелинейная система уравнений, соответственно, принимает следующий вид:
dN (t, m) dt
+ divm {g (t, m, N (t,-), N (t, m))N (t, m)} =
= R (t, m, N (t,-), N (t, m)),
(17)
q (t, m) + J b (m '-)& amp-(m '-, m) N (t, m'-)dm'-, (13) g, (t, m_i[] 0, N (t,), N (t, m_i[]0))N (t, m_i[] 0) =
= g,(t, m, N (t,-), N (t, m)) N (t, m)| =+0 = 0 (18)
M (m)
gi (t, Nit, ot_,[] 0) = g, (t, от) Nit, m) j m=+0 = 0,
t є It, i є K, (14)
*0
N (t, m) t_t +0 = N0 (m), m є M. (15)
с начальными условиями (15). Отметим, что вместо краевого условия (18) здесь может быть использовано и следующее краевое условие вида (16):
+
ei (t, m_ []0, N (t,-), N (t, m_ []0)) N (t, m_ []0) =
= ei (A mNОДN (A m))N (t, m)| m. =+0 =
= J B (t, m'-, m_, []0, N (t,•), N (t, =
M (m-i []0)
— B (N)(t, m-, []0), t e I, i e K. (19)
Наконец, вполне аналогично (11) оператор R (t, m, N (t,-), N (t, m)) может быть представлен, например, в виде
R (t, m, N (t,-), N (t, m)) =
= -d (t, m, N (t,-), N (t, m)) N (t, m) +
+ Q (t, m, N (t,-), N (t, m)) + q (t, m),
где смысл введенных функций и операторов ясен из предыдущего рассмотрения.
Список литературы
1. Euler L. Recherches generales sur la mortalite et la multiplication du genre humain // Memoires del’Academie Royale des Sciences et Belles Lettres. 1760. Vol. XVI. P. 144−164.
2. Gyllenberg M. Mathematical aspects of physiologically structured populations: the contributions of J.A.J. Metz // Journal of Biological Dynamics. 2007. Vol. 1. № 1. P. 3−44.
3. Fisher R.A. The Genetical Theory of Natural Selection. Oxford (UK): Oxford University Press, 1930.
4. Lotka A.J. Relation between birth rates and death rates // Science. 1907. Vol. 26. P. 21−22.
5. Lotka A.J. Studies on the Mode of Growth of Material Aggregates // American Journal of Science. 1907. Vol. 24. P. 199−216.
6. Sharpe F.R., Lotka A.J. A problem in age-distribution // Philosophical Magazine. 1911. Vol. 21. P. 435−438.
7. Lotka A.J. On an integral equation in population analysis // Annals of Mathematics and Statistics. 1939. Vol. 10. P. 1−25.
8. Feller W. On the integral equation of renewal theory // Annals of Mathematical Statistics. 1940. Vol. 12. P. 243−267.
9. McKendrick A.G. Applications of mathematics to medical problems // Proceedings of the Edinburgh Mathematical Society. 1926. Vol. 44. № 1. P. 98−130.
10. von Foerster H. Some remarks on changing populations // In: F. Stohlman (Ed.), The Kinetics of Cellular Proliferation. New York: Grune and Stratton, 1959. P. 382−407.
11. Trucco E. Mathematical Models for Cellular Systems. The von Foerster Equation. Part I // Bulletin of Mathematical Biophysics. 1965(a). Vol. 27. № 3. P. 285 304.
12. Trucco E. Mathematical Models for Cellular Systems. The von Foerster Equation. Part II // Bulletin of Mathematical Biophysics. 1965(b). Vol. 27. № 3. P. 449 472.
13. Oldfield D.G. A continuity equation for cell populations // Bulletin of Mathematical Biophysics. 1966. Vol. 28. № 3. P. 545−554.
14. Oldfield D.G. Cytokinetics // Bulletin of Mathematical Biophysics. 1967. Vol. 29. № 3. P. 597−603.
15. Webb G.F. Dynamics of Populations Structured by Internal Variables // Mathematische Zeitschrift. 1985. Vol. 189. № 3. P. 319−335.
16. Iannelli M. Mathematical theory of age-structured population dynamics. Pisa: Giadini Editori e Stampatori, 1994.
17. Arino O. A survey of structured cell population dynamics // Acta Biotheoretica. 1995. Vol. 43. № 1−2. P. 3−25.
18. Diekmann O., Gyllenberg M., Metz J.A.J., Thieme H.R. On the formulation and analysis of general deterministic structured population models. I. Linear theory // Journal of Mathematical Biology. 1998. Vol.
36. № 3. P. 349−388.
19. Diekmann O., Gyllenberg M., Huang H., Kirkili-onis M., Metz J.A.J., Thieme H.R. On the formulation and analysis of general deterministic structured population models. II. Nonlinear theory // Journal of Mathematical Biology. 2001. Vol. 43. № 1. P. 157−189.
20. Марри Дж. Нелинейные дифференциальные уравнения в биологии. Лекции о моделях / Пер. с англ. М.: Мир, 1983. 397 с.
21. Murray J.D. Mathematical Biology. I. An Introduction (Interdisciplinary Applied Mathematics. Vol. 17.). 3ri edition. New York-Berlin: Springer, 2002. 535 pp.
22. Murray J.D. Mathematical Biology. II: Spatial Models and Biomedical Applications (Interdisciplinary Applied Mathematics. Vol. 18.). 3ri edition. New York-Berlin: Springer, 2003. 811 pp.
23. Webb G.F. Population Models Structured by Age, Size, and Spatial Position // Lecture Notes in Mathematics. 2008. Vol. 1936. P. 1−49.
24. Sinko J.W., Streifer W. A new model for age-size structure of a population // Ecology. 1967. Vol. 48. № 7. P. 910−918.
25. Sinko J.W., Streifer W. A model for a population reproducing by fission // Ecology. 1971. Vol. 52. № 3. P. 330−335.
26. Bell G.I., Anderson E.C. Cell growth and division I. A mathematical model with applications to cell volume distributions in mammalian suspension cultures // Biophysical Journal. 1967. Vol. 7. № 4. P. 329−351.
27. Полуэктов Р. А., Пых Ю. А., Швытов И. А. Динамические модели экологических систем. Л.: Наука. 1980. 289 с.
28. Arino O., Kimmel M. Comparison of Approaches to Modelling of Cell Populations Dynamics // SIAM Journal on Applied Mathematics. 1993. Vol. 53. № 5. P. 1480−1504.
29. Calsina A., Saldana J. A model of physiologically structured population dynamics with a nonlinear individual growth rate // J. of Mathematical Biology. 1995. Vol. 33. № 4. P. 335−364.
30. Rudnicki R., Pichor K. Markov semigroups and stability of the cell maturity distribution // Journal of Biological Systems. 2000. Vol. 8. № 1. P. 69−94.
31. Кузнецов Ю. А. Начально-краевая задача для нелинейного уравнения динамики популяции с учетом
её возрастного состава // Вестник Нижегородского университета. Серия «Математическое моделирование и оптимальное управление». 2001. № 1(23). С. 78−86.
32. Kato N., Oharu S., Shitaoka K. Size-structured plant population models and harvesting problems // Journal of Computational and Applied Mathematics. 2007. Vol. 204. № 1. P. 114−123.
33. Романовский Ю. М., Степанова Н. В., Чернав-
ский Д. С. Математическое моделирование в биофизике. Введение в теоретическую биофизику. Москва-Ижевск: Институт компьютерных исследований,
2004. 472 с.
34. Кузнецов Ю. А., Кузнецова А. Ю. О необходимых условиях экстремума в задаче оптимального управления численностью популяции // Вестник Нижегородского университета. Серия «Математическое моделирование и оптимальное управление». 2005. № 2(29). С. 147−155.
35. Mico J.C., Soler D., Caselles A. Age-Structured Human Population Dynamics // Journal of Mathematical Sociology. 2006. Vol. 30. № 1. P. 1−31.
36. Eftimie R., de Vries G., Lewis M.A. Weakly nonlinear analysis of a hyperbolic model for animal group formation // Journal of Mathematical Biology. 2009. Vol. 59. № 1. P. 37−74.
37. Yang K., Milner F. The logistic, two-sex, age-structured population model // Journal of Biological Dynamics. 2009. Vol. 3:2. P. 252−270.
38. Barucci E., Gozzi F. Investment in a vintage capital model // Research in Economics. 1998. Vol. 52. P. 159−188.
39. Boucekkine R., Licandro O., Puch L.A., del Rio F. Vintage capital and the dynamics of the AK model // Journal of Economic Theory. 2005. Vol. 100. № 1. P. 39−72.
40. Feichtinger G., Hartl R.F., Peter M., Kort P.M., Veliov V.M. Anticipation effects of technological progress on capital accumulation: a vintage capital approach // Journal of Economic Theory. 2006. Vol. 126. № 1. P. 143−164.
41. Prskawetz A., Veliov V.M. Age-specific dynamic labor demand and human capital investment // Journal of Economic Dynamics & amp- Control. 2007. Vol. 31. P. 3741−3777.
42. Кузнецов Ю. А., Кузнецова А. Ю. Об одном классе математических моделей экономического роста, учитывающих неоднородность факторов производства // В кн.: Государственное регулирование экономики. Региональный аспект. Материалы VI Международной научно-практической конференции. Нижний Новгород: Изд-во ННГУ, 2007. С. 136−139.
43. Кузнецов Ю. А., Кузнецова А. Ю. Математические модели экономического роста, учитывающие возрастные распределения факторов производства // В кн.: Сборник научных работ кафедры математических методов анализа экономики «Ломоносовские чтения-2007» / Под ред. М. В. Грачевой, Л. Н. Фадеевой, Ю. Н. Черемных. М.: ТЕИС, 2008. С. 150−164.
44. Simon H., Bonini C. The size distribution of business firms // American Economic Review. 1958. Vol. 48. P. 607−617.
45. Hashemi F. An evolutionary model of the size distribution of firms // Journal of Evolutionary Economics. 2000. Vol. 10. № 5. P. 507−521.
46. Мустафин А. Т., Кантарбаева А. К. О распределении фирм по размерам // Экономика и математические методы. 2000. Т. 36. № 3. С. 105−112.
47. Rossi-Hansberg E., Wright M.L.J. Firm size dynamics in the aggregate economy // American Economic Review. 2007. Vol. 97. P. 1639−1666.
48. Зуев Г. М., Сороко Е. Л. Математическое описание межрайонной миграции с учетом половозрастной структуры населения // Экономика и математические методы. 1979. Т. 15. № 2. С. 333−344.
49. Староверов А. В. Азы математической демографии. М.: Наука, 1997. 158 с.
50. Саградов А. А. Экономическая демография. М.: ИНФРА-М, 2005. 256 с.
51. Melzak Z.A. A scalar transport equation // Transactions of the American Mathematical Society. 1957. Vol. 8. № 5. P. 547−560.
52. Дубовский П. Б. Об обобщенных решениях уравнения коагуляции // Функциональный анализ и его приложения. 1991. T. 25. № 2. С. 62−64.
53. McLaughlin D.Y., Lamb W., McBride A.C. Existence and uniqueness results for the nonautonomous coagulation and multiple-fragmentation equation // Mathematical Methods in Applied Sciences. 1998. Vol.
21. № 11. P. 1067−1084.
54. Friedlander S.K. Smoke, dust, and haze. Fundamentals of aerosol dynamics. 2ni edition. New York: Oxford University Press, 2000.
55. Дубовский П. Б. Анализ решения уравнения дробления методами теории сопряженных уравнений // Дифференциальные уравнения. 2000. Т. 36. № 10. С. 1385−1392.
56. Галкин В. А. Уравнение Смолуховского. М.: Физматлит, 2001. 336 с.
57. Галкин В. А. Анализ математических моделей: системы законов сохранения, уравнения Больцмана и Смолуховского. М.: БИНОМ. Лаборатория знаний, 2009. 408 с.
58. Волощук В. М., Седунов Ю. С. Процессы коагуляции в дисперсных системах. Л., 1975. 320 с.
59. Aylaj B., Noussair A. Trajectory analysis of nonlinear kinetic models of population dynamics of several species // Mathematical and Computer Modelling. 2009. Vol. 49. № 11−12. P. 2094−2103.
60. Tucker S.L., Zimmerman S.O. A nonlinear model of population dynamics containing an arbitrary number of continuous structure variables // SIAM Journal on Applied Mathematics. 1988. Vol. 48. № 3. P. 549−591.
61. Красносельский М. А. Положительные решения операторных уравнений. Главы нелинейного анализа. М.: ГИФМЛ, 1962. 394 с.
62. Zaanen A.C. Riesz Spaces II. Amsterdam-New York-Oxford: North-Holland Publishing Company, 1983. 720 pp.
63. Полетаев И. А. О математических моделях роста // В кн.: Физиологические приспособления растений к почвенным условиям. Новосибирск: Наука, 1973. С. 24.
64. Зотина Р. С., Зотин А. И. Дифференциальные уравнения биологии развития // В кн.: Термодинамика биологических процессов. Общие положения, конститутивные процессы, диссипативные структуры, неко-
торые проблемы эволюции. М.: Наука, 1976. С. 83−92.
65. Кузнецов Ю. А. Оптимальное управление экономическими системами. Нижний Новгород: Изд-во ННГУ, 2008. 449 с.
SOME MATHEMATICAL MODELS OF STRUCTURED POPULATION DYNAMICS Yu.A. Kuznetsov, A. Yu. Kuznetsova
A brief literature review on mathematical models of structured populations is given. General mathematical models of structured population dynamics are formulated and appropriate settings of an initial-boundary value problem with nonlocal boundary conditions are given.
Keywords: mathematical model, population dynamics, internal structure, structured population, cell population, age, initial-boundary value problem, nonlocal boundary conditions.

ПоказатьСвернуть
Заполнить форму текущей работой