【摘 要】
:
随着偏微分方程的理论和方法不断发展,许多数学家开始应用严谨的偏微分方程理论和方法来描述肿瘤细胞的侵入、增长和再生过程,从而提出了相关的趋化模型或趋触模型。在这样的背景下,本文的研究对象为同时具有趋化项和趋触项的趋化-趋触模型,主要讨论这类模型解的存在性、有界性和渐近性等性质。由于当化学信号具有流量限制时,模型解的性质也会受到相应的影响。因此,本文针对带有此特性的趋化-趋触模型做了一些性质分析。具体
论文部分内容阅读
随着偏微分方程的理论和方法不断发展,许多数学家开始应用严谨的偏微分方程理论和方法来描述肿瘤细胞的侵入、增长和再生过程,从而提出了相关的趋化模型或趋触模型。在这样的背景下,本文的研究对象为同时具有趋化项和趋触项的趋化-趋触模型,主要讨论这类模型解的存在性、有界性和渐近性等性质。由于当化学信号具有流量限制时,模型解的性质也会受到相应的影响。因此,本文针对带有此特性的趋化-趋触模型做了一些性质分析。具体内容如下:首先在对该类模型的研究背景以及研究内容做一些简单的描述和总结后,第二部分考虑了抛物-抛物-ODE型具有流量限制的趋化-趋触模型,应用了一些基本不等式,例如Young’s不等式、Gagliardo-Nirenberg不等式、热半群估计等,并在一定的参数条件下得到了该模型解的整体有界性。然后,第三部分考虑了抛物-椭圆-ODE型具有流量限制的趋化-趋触模型,主要讨论了具有流量限制的趋化项中趋化敏感系数对模型解的性态的影响。这部分通过一系列的先验估计和不等式证明了解的全局有界性,与第二部分研究的模型相比,解的空间维度不限制在2维和3维就能得到相同的有界性结论。最后应用测试函数以及对增长系数μ的范围进行限制得到了当时间趋于无穷大时模型解的渐近性。最后,第四部分主要讨论扩散项为非线性扩散时,具有流量限制的趋化-趋触模型解的有界性。考虑了梯度信号在流量限制情况下,趋化敏感系数与非线性扩散系数对模型解的影响。本章通过找到α和p的关系,使用测试函数、耦合估计等方法得到了该模型解的一致有界性,且以此处理了信号梯度流量限制的影响。
其他文献
结合人为设计的材料描述符,机器学习模型在材料科学不同领域都取得了巨大的成功,包括材料的性质预测,材料的逆向设计等。近几年,基于图的深层神经网络在多种大型材料数据集的性质预测上都取得了领先的表现。反铁磁材料是一类重要的量子材料,奈尔温度作为其最重要的参数之一,难以通过凝聚态物理研究中开发出来的解析或数值方法进行准确计算,而机器学习方法提供了另外一种可能性。不过,奈尔温度数据集尺寸小,晶体图神经网络方
基于卷积神经网络的图像分类优化算法是一类通过改进网络框架、输入数据和优化神经网络理论知识等方面来提升网络性能的理论与方法。每一个卷积神经网络都需要一个框架进行搭建,网络框架决定了网络模型的学习容量;用于训练网络的数据集的数量和质量则是推动模型拟合的内在模式;卷积神经网络的相关理论研究促进了网络的进一步发展。本文以卷积神经网络为中心,主要从网络框架、数据的数量和质量以及结合犹豫模糊集理论三个方面展开
在很多科学计算和工程应用中,如图像恢复、偏微分方程求解、流体力学等科学领域,大型稀疏线性方程组都有着十分重要的地位。因此,如何快速求解大型稀疏线性方程组成为目前十分热门的重要研究课题之一。在现有的研究中,主要通过直接法和迭代法来求解线性方程组,但是直接法局限于规模小的线性方程组,而迭代法更适合求解大型稀疏线性方程组。由于埃尔米特和反埃尔米特分裂(HSS)迭代法具有格式简单、方便确定参数、无条件收敛
稀疏线性方程组的求解在信号处理、图像处理等工程领域具有广泛应用,有许多数值方法用来求解方程组,比如QR分解、SVD分解等直接法。随着工程问题数据规模的不断发展,直接法需要较大的存储空间并且计算复杂度比较大。由于随机Kaczmarz(RK)算法和随机Gauss-Seidel(RGS)算法在求解过程中不需要存储整个系数矩阵的信息便可以指数收敛到方程组的解,所以RK和RGS算法成为非常流行的求解工具。但
本文考虑两类Keller-Segel模型解的整体有界性以及大时间行为:一类是两个物种和两种信号物质的趋化模型;另一类是具有间接信号产生和Logistic源的趋化模型。Keller-Segel模型最重要的一个特征就是趋化性。趋化性描述的是微生物或者细胞在信号物质的刺激下会朝着某一个方向做定向运动,该特性在生物学领域中有着重要的研究价值,比如免疫反应、伤口愈合、肿瘤侵袭等。本文研究结果如下:首先,研究
在网络化时代,越来越多的工程问题以网络系统的形式呈现,并且可以建模为多智能体网络下的分布式优化问题。在网络优化问题中,每个节点作为一个智能体,拥有一个局部目标函数,网络的全局目标函数为局部目标函数之和。分布式优化的目的是利用智能体之间的协同合作,设计算法找到全局目标函数的最优解。另外,事件触发策略在节约资源和减少通信成本等方面有着十分重要的作用。因此,本文研究了基于事件触发的分布式优化算法问题,主
近年来,随着5G、人工智能等技术的发展以及网络规模的与日俱增,分布式优化问题及算法受到越来越多的关注。交替方向乘子法是一种解决变量可分离的优化问题的重要方法。因此,本文主要致力于研究多智能体系统中分布式优化的交替方向乘子法及其应用。本文的主要工作和结论主要集中在以下几点:(1)针对带环的连通网络,提出了一种求解无约束一致凸优化问题的同步分布式交替方向乘子法,证明了该算法的收敛性,其收敛速度为(1/
集优化作为向量优化的一种自然延拓,它在博弈论、工程、控制理论、金融等领域有着广泛的应用,现已发展为应用数学中一个有趣而重要的分支。目前,基于Minkowski差分定义的一种偏序关系(8)1序)的集优化问题的研究还很少。此类集序关系适合于既不希望成为风险接近者也不希望成为风险保守者的决策者。因此,对于集优化的相关研究是十分必要且具有理论与实际意义。本文致力于研究基于8)1序的集优化问题的最优性条件与
本文介绍西藏边坝县藏香猪养殖基本情况,分析藏香猪饲养管理、疾病防控、选种育种等方面存在的问题,对当地藏香猪资源开发利用、产业化发展提出相关优化措施和建议。
近年来,多智能体系统的一致性及其优化控制研究引起了广大学者的关注,其中一致性是多智能体系统研究中最基础的问题,而一致性优化是为了保证多智能体系统既能达到一致,又能根据其系统性能指标进行优化。由于实际中多智能体系统更为复杂,并且通信环境中存在许多不确定的因素,故本文将分别从通信约束和系统本身对多智能体系统的一致性及其优化控制进行研究。1.本文研究了随机时延的多智能体系统的分布式优化问题。首先考虑了通