Все выпуски

Исследуется воздействие аддитивных и параметрических шумов на аттракторы одномерной системы, задаваемой стохастическим дифференциальным уравнением Ито. Показано, что в отличие от аддитивных, параметрические возмущения приводят к сдвигу экстремумов функции плотности распределения. Для величины такого сдвига получено разложение по малому параметру интенсивности шума. Показано, что воздействие параметрического шума может изменить не только расположение, но и количество экстремумов плотности распределения. Подробный анализ соответствующих индуцированных шумами явлений проведен для трех динамических моделей. Сравнение погрешности приближений разного порядка для оценки сдвига экстремумов функции плотности представлено на примере линейной модели. Два сценария перехода между унимодальной и бимодальной формами стохастического аттрактора исследованы для систем с разными типами кубической нелинейности.

The influence of additive and parametrical noise on attractors of the one-dimensional system governed by the stochastic differential Ito equation is investigated. It is shown that unlike additive, parametrical disturbances lead to the shift of extrema of probability density function. For the value of this shift, a decomposition on small parameter of noise intensity is obtained. It is shown that the influence of the parametrical noise can change not only the arrangement, but also the quantity of extrema of probability density function. The corresponding noise-induced phenomena are studied for three dynamical models in detail. An analysis of the error for the different order estimations of the shift of extrema for the probability density function is presented by the example of a linear model. Two scenarios of the transition between unimodal and bimodal forms of the stochastic attractor are investigated for systems with different types of cubic nonlinearity.

В работе рассматривается задача оптимального управления одномерным процессом, заданным стохастическим дифференциальным уравнением, в котором управление воздействует как на коэффициент сноса, так и на коэффициент диффузии, при этом диффузионная составляющая линейна по управлению $$dx(t) = b(t,x(t),u(t))dt +\sigma(t,x(t))u(t)dW(t),\qquad x(0) = x_0.$$ Здесь $x(t)$ - фазовая координата, $u(t)$ - управляющая функция, $W(t)$ - винеровский процесс. Доказана теорема, которая предоставляет структуру решения рассматриваемого уравнения в виде суперпозиции функций $x(t)=Φ(t,u(t)W(t)+y(t))$, в котором $Φ(t,v)$ - известная функция, полностью определяющаяся коэффициентом $σ(t,x)$, и не зависит от управления, а $y(t)$ - решение потраекторно-детерминированного дифференциального уравнения с мерой вида

$$dy(t) = B(t,y(t),u(t))dt - W(t)du(t).$$

Выявленная структура решения позволяет вместо исходной стохастической задачи оптимального управления исследовать новую эквивалентную задачу с фазовой переменной $y(t)$, которая является потраекторно-детерминированной задачей оптимального импульсного управления. При детерминированном рассмотрении новой задачи решения последней могут оказаться упреждающими функциями, поэтому в работе предлагается метод, который позволяет добиться неупреждаемости оптимальных решений. Суть метода заключается в модификации функционала потерь в новой потраекторно-детерминированной задаче специальным образом подобранным интегральным слагаемым, которое позволяет гарантировать неупреждаемость решений.

We consider an optimal control problem for a one-dimensional process driven by stochastic differential equation, which has both drift and diffusion coefficients controlled, diffusion being linear in control

$$dx(t) = b(t,x(t),u(t))dt +\sigma(t,x(t))u(t)dW(t), \qquad x(0) = x_0,$$

where $x(t)$ is the state variable, $u(t)$ is the control variable and $W(t)$ is the Wiener process. We prove a theorem which gives a structure of solution for the considered differential equation as a superposition of functions $x(t)=Φ(t,u(t)W(t)+y(t))$, where $Φ(t,v)$ is the known function, which is completely determined by the diffusion coefficient σ(t,x) and is independent of control, and $y(t)$ is the solution to the pathwise-deterministic measure-driven differential equation

$$dy(t) = B(t,y(t),u(t))dt - W(t)du(t).$$

The revealed structure of the solution enables us to consider a new pathwise-deterministic impulsive optimal control problem with the state variable $y(t)$ which is equivalent to the original stochastic optimal control problem. Pathwise problems may have anticipative solutions, so we propose a method that makes it possible to build nonanticipative optimal solutions. The basic idea of the method is to modify cost functional in new pathwise problem with special integral term, which guarantees nonanticipativity of solutions.

В статье рассматривается аппроксимация функции цены антагонистической дифференциальной игры с критерием, задаваемым условием минимизации некоторой величины вдоль реализовавшейся траектории, решениями стохастических игр с непрерывным временем и моментом остановки, управляемым одним из игроков. Отметим, что если в качестве вспомогательной игры выбрана стохастическая дифференциальная игра, то ее функция цены задается параболическим уравнением второй степени в частных производных с дополнительными ограничениями в форме неравенств, в то время как для случая вспомогательной игры с динамикой, задаваемой марковской цепью, функция цены определяется системой обыкновенных дифференциальных уравнений с дополнительными ограничениями. Развиваемый в статье метод аппроксимации основан на концепции стохастического поводыря, впервые предложенном в работах Н.Н. Красовского и А.Н. Котельниковой.

The paper is concerned with the approximation of the value function of the zero-sum differential game with the minimal cost, i.e., the differential game with the payoff functional determined by the minimization of some quantity along the trajectory by the solutions of continuous-time stochastic games with the stopping governed by one player. Notice that the value function of the auxiliary continuous-time stochastic game is described by the Isaacs–Bellman equation with additional inequality constraints. The Isaacs–Bellman equation is a parabolic PDE for the case of stochastic differential game and it takes a form of system of ODEs for the case of continuous-time Markov game. The approximation developed in the paper is based on the concept of the stochastic guide first proposed by Krasovskii and Kotelnikova.

В работе дан обзор проблем, приводящих к необходимости анализа моделей линейных и нелинейных динамических систем в форме стохастических дифференциальных уравнений со случайными запаздываниями различного типа, а также представлены некоторые известные методы решения этих задач. Далее в статье предлагаются новые подходы к приближенному анализу линейных и нелинейных стохастических динамических систем, изменения запаздываний которых описываются дискретной марковской цепью с непрерывным временем. Используемые подходы базируются на сочетании классического метода шагов, расширения пространства состояния стохастической системы и метода статистического моделирования (Монте-Карло). В рассматриваемом случае такой подход позволил упростить задачу и привести исходные уравнения к системам стохастических дифференциальных уравнений без запаздывания. Более того, для линейных систем получена замкнутая последовательность систем обыкновенных дифференциальных уравнений увеличивающейся размерности относительно функций условных математических ожиданий и ковариаций вектора состояния. Изложенная схема демонстрируется на примере стохастической системы второго порядка, изменения запаздывания которой описываются марковской цепью с пятью состояниями. Все расчеты и построение графиков проводились в среде математического пакета Mathematica с помощью программы, написанной на входном языке этого пакета.

The paper provides an overview of the problems that lead to a necessity for analyzing models of linear and nonlinear dynamic systems in the form of stochastic differential equations with random delays of various types as well as some well-known methods for solving these problems. In addition, the author proposes some new approaches to the approximate analysis of linear and nonlinear stochastic dynamic systems. Changes of delays in these systems are governed by discrete Markov chains with continuous time. The proposed techniques for the analysis of systems are based on a combination of the classical steps method, an extension of the state space of a stochastic system under examination, and the method of statistical modeling (Monte Carlo). In this case the techniques allow to simplify the task and to transfer the source equations to systems of stochastic differential equations without delay. Moreover, for the case of linear systems the author has obtained a closed sequence of systems with increasing dimensions of ordinary differential equations satisfied by the functions of conditional expectations and covariances for the state vector. The above scheme is demonstrated by the example of a second-order stochastic system. Changes of the delay in this system are controlled by the Markov chain with five states. All calculations and graphics were performed in the environment of the mathematical package Mathematica by means of a program written in the source language of the package.

Рассматриваются модели сбора возобновляемого ресурса, заданные дифференциальными уравнениями с импульсными воздействиями, зависящими от случайных параметров. При отсутствии эксплуатации развитие популяции описывается дифференциальным уравнением $\dot x =g(x),$ которое имеет асимптотически устойчивое решение $\varphi(t)\equiv K,$ $K>0.$ Предполагаем, что длины интервалов $\theta_k=\tau_k-\tau_{k-1}$ между моментами импульсов $\tau_k$ являются случайными величинами и размеры импульсного воздействия зависят от случайных параметров $v_k,$ $k=1,2,\ldots.$ На процесс сбора можно влиять таким образом, чтобы остановить заготовку в том случае, когда ее доля окажется достаточно большой, чтобы сохранить некоторую часть ресурса для увеличения размера следующего сбора. Построено управление $\bar u=(u_1,\dots,u_k,\dots),$ ограничивающее долю добываемого ресурса в каждый момент времени $\tau_k$ таким образом, чтобы количество оставшегося ресурса, начиная с некоторого момента $\tau_{k_0},$ было не меньше заданного значения $x>0.$ Получены оценки средней временной выгоды от извлечения ресурса и приведены условия, при которых она имеет положительный предел (с вероятностью единица). Показано, что при недостаточном ограничении на извлечение ресурса значение средней временной выгоды может равняться нулю для всех или для почти всех значений случайных параметров. Таким образом, мы описываем способ добычи ресурса для режима сбора в долгосрочной перспективе, при котором постоянно сохраняется некоторая часть популяции, необходимая для ее дальнейшего восстановления, и с вероятностью единица существует предел средней временной выгоды.

We consider models of harvesting a renewable resource given by differential equations with impulse action, which depend on random parameters. In the absence of harvesting the population development is described by the differential equation $ \dot x =g (x), $ which has the asymptotic stable solution $\varphi (t) \equiv K,$ $K> 0.$ We assume that the lengths of the intervals $ \theta_k =\tau_k-\tau _ {k-1} $ between the moments of impulses $ \tau_k $ are random variables and the sizes of impulse action depend on random parameters $v_k, $ $k=1,2, \ldots. $ It is possible to exert influence on the process of gathering in such a way as to stop preparation in the case where its share becomes big enough to keep some part of a resource for increasing the size of the next gathering. We construct the control $ \bar u = (u_1, \dots, u_k, \dots),$ which limits the share of an extracted resource at each instant of time $ \tau_k $ so that the quantity of the remaining resource, starting with some instant $ \tau _ {k_0}$, is no less than a given value $x> 0. $ We obtain estimates of average time profit from extraction of a resource and present conditions under which it has a positive limit (with probability one). It is shown that in the case of an insufficient restriction on the extraction of a resource the value of average time profit can be zero for all or almost all values of random parameters. Thus, we describe a way of long-term extraction of a resource for the gathering mode in which some part of population necessary for its further restoration constantly remains and there is a limit of average time profit with probability one.