[논문 리뷰] Optimal location of resources maximizing the total population size in logistic models

Idriss Mazari, Grégoire Nadin외 1명|arXiv (Cornell University)|2019. 07. 11.

Mathematical and Theoretical Epidemiology and Ecology Models참고 문헌 35인용 수 40

한 줄 요약

논문은 이질적인 환경에서의 정상적 로지스틱-확산 모델에서 총 인구를 최대화하기 위해 공간 자원을 분배하는 방법을 연구하고, 큰 확산에서 방사형 최적성의 bang-bang 성질을 증명하며, 1D에서의 정확한 결과를 통해 집중/분열 행태를 상세히 설명한다.

ABSTRACT

In this article, we consider a species whose population density solves the steady diffusive logistic equation in a heterogeneous environment modeled with the help of a spatially non constant coefficient standing for a resources distribution. We address the issue of maximizing the total population size with respect to the resources distribution, considering some uniform pointwise bounds as well as prescribing the total amount of resources. By assuming the diffusion rate of the species large enough, we prove that any optimal configuration is bang-bang (in other words an extreme point of the admissible set) meaning that this problem can be recast as a shape optimization problem, the unknown domain standing for the resources location. In the one-dimensional case, this problem is deeply analyzed, and for large diffusion rates, all optimal configurations are exhibited. This study is completed by several numerical simulations in the one dimensional case.

연구 동기 및 목표

• 공간 자원 분포 m(x)가 정상적인 확산 로지스틱 모델에서 총 인구 크기에 어떤 영향을 미치는지 조사한다.
• 큰 확산 하에서 최적 자원 분포가 bang-bang(극단적: 0 또는 kappa) 인지 여부를 결정한다.
• 확산이 달라짐에 따라 최적 자원 분포의 집중 대 분열 현상을 분석한다.
• 경계 자원 클래스로 최대화의 존재성과 정성적 특성을 확립한다.
• 1D 설정으로 특수화하여 큰 확산에서 명시적 최적화를 얻는다.

제안 방법

• Neumann 경계 조건을 가진 Omega에서 mu Δθ + (m - θ) θ = 0의 정상 로지스틱-확산 방정식으로 개체군을 모델링한다.
• 총 인구 함수 F_mu(m) = Omega에서의 평균 θ를 정의하고 이를 M_{m0,kappa}(Omega)에서 최대화하려 한다.
• 어드조인트 상태 p_{m,mu}를 이용한 1차 최적 조건을 통해 정지성과 포화 특성(φ_{m,mu} = θ p)을 도출한다.
• 확산_mu에 대한 θ_{m,mu}의 새로운 점근적 전개를 개발하여 큰 mu에서 F_mu의 볼록성을 증명하고 bang-bang 최적화를 얻는다.
• 재배열 부등식과 감마-수렴(Gamma-convergence)을 이용해 큰 mu에서 집중 현상을 연구한다.

실험 결과

연구 질문

• RQ1 큰 확산이 있을 때 최적 자원 분포 m*가 총 인구 크기를 최대화하는지, 또한 m*가 반드시 bang-bang인지 여부는 무엇인가?
• RQ2 큰 확산이 최적 자원 분포의 공간적 집중 또는 분열에 어떤 영향을 미치는가?
• RQ3 1D에서 큰 확산에 대해 명시적 최적화를 특성화할 수 있으며 최적화의 해는 몇 개인가?
• RQ4 작은 확산에서 분열이 단순한 집중보다 바람직한가, 그리고 동질 고유값 최적화에 대한 결과와의 차이는 무엇인가?
• RQ5 μ → 무한대로 갈 때 최적화해의 Gamma-수렴 문제와 관련한 극한 문제 사이의 관계는 무엇인가?

주요 결과

• 큰 확산 mu에 대해 총 인구 함수 F_mu가 엄밀하게 볼록해지며, 어떤 최대점도 bang-bang(거의 everywhere에서 값이 0 또는 kappa만 가지는)임이 나타난다.
• 최적화 해 m*는 고정된 측정(E의 Ω의 부분집합)에 대응하며, 문제의 형태 최적화 재구성 가능성을 제공한다.
• Gamma-수렴 결과에 따르면 mu → 무한대일 때 최적점의 L1 폐쇄점은 극한의 에너지 최소화 문제를 해결하며, 극한은 2D 직교직육체에서의 집중을 선호한다.
• 1D에서는 충분히 큰 mu에 대해 최적화 해가 두 개의 계단 함수 중 하나로 축소되며: m = kappa가 (1-l,1)에서의 값일 때와 그 거울 이미지 중 하나.
• 작은 mu의 경우 분열이 단일 구간의 집중보다 더 우수할 수 있으며, 이로써 이중봉 형태의 자원 배치가 총 인구를 더 크게 만들 수 있다.
• 결과적으로 큰 확산 하에서 bang-bang 최적성이 성립하는 반면, 작은 확산 구간에서는 분열이 가능하고, 2D 직교직육체에서 큰 확산 구간의 집중이 관찰된다.