面向控制的 Lotka-Sharpe 神经算子

Miroslav Krstic; Iasson Karafyllis; Luke Bhan; Carina Veil

面向控制的 Lotka-Sharpe 神经算子

系统与控制 2026-04-07 v1 机器学习系统与控制最优化与控制

作者: Miroslav Krstic , Iasson Karafyllis , Luke Bhan , Carina Veil

摘要

年龄结构化捕食者-猎物整合偏微分方程提供了生态学、流行病学和生物技术中相互作用人口的模型。面向这些系统的反馈设计的一个关键挑战是定义在 fertility 和 mortality rates 映射到 $\zeta$ 之间的 scalar $\zeta$ ,由 Lotka-Sharpe 非线性积分条件隐式定义。为了用算子学习解决这一挑战,我们首先证明了 Lotka-Sharpe 算子是 Lipschitz 连续的,这保证了在 fertility 和 mortality 函数的紧致集合上可获得任意精度的神经算子近似。随后我们展示,所得的 approximate feedback law 在通过各种其他非线性算子传播算子近似误差的过程中,维持了半全局实用渐近稳定性。在数值结果中,不仅我们学习了“一次即得”地 canonical Lotka-Sharpe (LS) 算子,从而使其在控制其他年龄结构化人口相互作用中可用,而且我们展示了在估计 fertility 和 mortality 函数的过程中在线使用神经 LS 算子。

关键词

神经算子 Lotka-Sharpe 算子人口 PDE 反馈控制 Lipschitz 连续性

引用

@article{arxiv.2604.03892,
  title  = {Lotka-Sharpe Neural Operators for Control of Population PDEs},
  author = {Miroslav Krstic and Iasson Karafyllis and Luke Bhan and Carina Veil},
  journal= {arXiv preprint arXiv:2604.03892},
  year   = {2026}
}

备注

16 pages. In submission

面向控制的 Lotka-Sharpe 神经算子

摘要

关键词

引用

备注

相关论文