Оптимизация дисконтированного дохода для структурированной популяции, подверженной промыслу

Обложка
  • Авторы: Егорова А.В.1
  • Учреждения:
    1. ФГБОУ ВО «Владимирский государственный университет им. А.Г. и Н.Г. Столетовых»
  • Выпуск: Том 26, № 133 (2021)
  • Страницы: 15-25
  • Раздел: Научные статьи
  • URL: https://bakhtiniada.ru/2686-9667/article/view/296355
  • ID: 296355

Цитировать

Полный текст

Аннотация

Рассматривается структурированная популяция, особи которой разделены на $n$ возрастных или типических групп $x_1,\ldots,x_n .$
Предполагаем, что в любой момент времени $k,$ $k=0,1,2\ldots$ численность популяции  $x(k)$ определяется как решение нормальной
автономной системы разностных уравнений $x(k+1)=F\bigl(x(k)\bigr)$, где $F(x)={\rm col}\bigl(f_1(x),\ldots,f_n(x)\bigr)$~--- заданные векторные функции с
вещественными неотрицательными компонентами $f_i(x),$ $i=1,\ldots,n.$
Исследуется случай, когда имеется возможность влиять на размер популяции путем промыслового изъятия. В работе рассмотрена модель эксплуатируемой популяции в виде
x(k+1)=F((1-u(k) )x(k) ),
где вектор $u(k)=\bigl(u_1(k),\dots,u_n(k)\bigr)\in[0,1]^n$~--- управление, выбором которого можно достигать увеличения показателей сбора ресурса.
Предполагается, что стоимости условной единицы каждого из рассматриваемых $n$ классов постоянны и равны  $C_i\geqslant 0 ,$ $i=1,\ldots,n.$
Для определения стоимости ресурса, получаемого в результате промысла, в рассмотрение вводится функция дисконтированного дохода, которая имеет вид

Hα(u¯,x(0))=j=0 i=1n(Cixi(j)ui(j)e(-αj),

где $\alpha>0$~--- коэффициент дисконтирования.
Решается задача построения управлений на конечном и бесконечном промежутках времени, при которых дисконтированный доход от извлечения
возобновляемого ресурса достигает наибольшего значения.
В качестве следствий получены результаты о построении оптимального способа добычи однородной популяции (т. е. при $n=1$).

Об авторах

Анастасия Владимировна Егорова

ФГБОУ ВО «Владимирский государственный университет им. А.Г. и Н.Г. Столетовых»

Автор, ответственный за переписку.
Email: nastik.e@bk.ru
ORCID iD: 0000-0002-3930-0743

аспирант, кафедра функционального анализа и его приложений

Россия, 600000, Российская Федерация, г. Владимир, ул. Горького, 87

Список литературы

  1. Е. Я. Фрисман, М. П. Кулаков, О. Л. Ревуцкая, О. Л. Жданова, Г. П. Неверова, “Основные направления и обзор современного состояния исследований динамики структурированных и взаимодействующих популяций”, Компьютерные исследования и моделирование, 11:1 (2019), 119–151.
  2. Г. П. Неверова, А. И. Абакумов, Е. Я. Фрисман, “Влияние промыслового изъятия на режимы динамики лимитированной популяции: результаты моделирования и численного исследования”, Математическая биология и биоинформатика, 11:1 (2016), 1–13.
  3. О. Л. Ревуцкая, Е. Я. Фрисман, “Влияние равновесного промысла на сценарии развития двухвозрастной популяции”, Информатика и системы управления, 53:3 (2017), 36–48.
  4. Л. И. Родина, “Об одной стохастической модели сбора возобновляемого ресурса”, Вестник Тамбовского университета. Серия: естественные и технические науки, 23:124 (2018), 685–695.
  5. Л. И. Родина, “Свойства средней временной выгоды в стохастических моделях сбора возобновляемого ресурса”, Вестник Удмуртского университета. Математика. Механика. Компьютерные науки, 28:2 (2018), 213–221.
  6. L. G. Hansen, F. Jensen, "Regulating fisheries under uncertainty", Resource and Energy Economics, 50 (2017), 164-177.
  7. А. О. Беляков, А. А. Давыдов, “Оптимизация эффективности циклического использования возобновляемого ресурса”, Труды Института математики и механики УрО РАН, 22:2 (2016), 38–46.
  8. М. И. Зеликин, Л. В. Локуциевский, С. В. Cкопинцев, “Об оптимальном сборе ресурса на окружности”, Математические заметки, 102:4 (2017), 521–532.
  9. A. O. Belyakov, V. M. Veliov, "On optimal harvesting in age-structured populations", Dynamic Perspectives on Managerial Decision Making, 2016, 149-166.
  10. А. В. Егорова, Л. И. Родина, “Об оптимальной добыче возобновляемого ресурса из структурированной популяции”, Вестник Удмуртского университета. Математика. Механика. Компьютерные науки, 29:4 (2019), 501–517.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».