Multi-sites fisheries modeling with Itô stochastic differential equations and stochastic optimization problem

技术摘要：基于 Itô 随机微分方程与随机优化的多站点渔业建模

问题陈述
本文探讨了多站点渔业的建模与优化问题，特别关注利用集鱼装置（FADs）的系统。虽然确定性模型在人口动态学领域占据主导地位，但它们无法解释自然变率以及气候变化和生态扰动等不确定性。作者提出了一个框架，用于模拟多个站点（$L$）及一个离岸种群（$s$）的鱼类生物量和捕捞强度的演化过程。其核心挑战在于如何构建一个能够捕捉出生、死亡、迁移和捕捞活动中随机波动的系统，同时避免产生过高的计算成本，特别是针对标准随机微分方程（SDE）表述中所需的矩阵平方根计算。此外，本文旨在解决一个随机优化问题，以实现捕捞利润的最大化。

研究方法
本研究采用了两部分方法论：随机建模与随机优化。

1. 随机建模（SDE 表述）：

   • 从离散到连续： 作者首先定义了一个针对 $L$ 个站点的离散时间随机过程。他们枚举了在一个微小时间间隔 $\Delta t$ 内所有可能的各种状态变化（出生、死亡、站点间及离岸种群间的迁移，以及船只移动）。
   • 漂移项与扩散项： 从这些离散转换中，他们推导出了期望向量（漂移项 $f$）和协方差矩阵（$V$）。
   • 等效系统： 标准 SDE 表述 $dX_t = f(t, X)dt + B(t, X)dW(t)$ 要求 $B = V^{1/2}$。作者指出，计算一个大型 $(2L+1) \times (2L+1)$ 矩阵的平方根在计算上是非常昂贵的，且对于较大的 $L$ 缺乏显式公式。
   • 矩阵分解： 为了避免直接计算矩阵平方根，作者利用了一种等效表述 $dX_t = f(t, X)dt + H(t, X)dW^{**}(t)$，其中 $V = HH^T$。矩阵 $H$ 是通过代表出生、死亡、迁移和船只移动的分块矩阵显式构建的。这种方法通过利用源自底层转换概率的 $H$ 的显式结构，避免了直接计算 $V^{1/2}$ 的需要。对于 $L \ge 3$，$H$ 矩阵的维度为 $(2L+1) \times (L+1)^2$，这意味着它的列数多于状态维度，但其显式构造规避了分解完整协方差矩阵 $V$ 的数值成本。
   • 泛化： 模型首先针对 $L=2$ 个站点进行了详细说明，随后将其推广至 $L \ge 3$ 个站点，并纳入了鱼类种群的逻辑斯谛增长（logistic growth）和特定的捕获率。

2. 随机优化：

   • 目标函数： 目标是在时间跨度 $[0, T]$ 内最大化预期总利润，其定义为收入（捕获价格 $\times$ 捕获率 $\times$ 生物量 $\times$ 强度）与成本（单位强度成本）之差。
   • 约束条件： 优化受上述 SDE 动力学约束。定义停止时间 $\tau$ 为种群降至零或到达时间 $T$ 的时刻（以先到者为准）。
   • 动态规划： 该问题通过动态规划原理求解，由此导出 Hamilton-Jacobi-Bellman (HJB) 方程。价值函数 $U(x, t)$ 代表最大预期未来利润。
   • 控制简化： 在优化阶段，作者将扩散矩阵 $H$ 简化为 $H_1$，排除了与船只移动成本和销售相关的项，专注于与控制变量（捕捞强度）相关的生物学和捕获动力学。

主要贡献

• 等效 SDE 系统： 本文提出并确立了标准 SDE 表述（需要 $V^{1/2}$）与另一种使用矩阵 $H$（满足 $V=HH^T$）的备选表述之间的等效性。这种替代方案在理论上是完备的，且在数值上更高效，因为它通过利用分块矩阵显式构造 $H$，从而避免了高维系统中计算矩阵平方根的计算负担。
• 多站点随机框架： 作者开发了一个全面的多站点渔业随机模型，该模型明确考虑了鱼类在站点间及离岸种群间的迁移，以及捕捞船只在各站点间的移动。
• 随机优化解法： 研究构建并求解了多站点渔业的随机最优控制问题。通过将 SDE 动力学与 HJB 方程耦合，作者推导出了在不确定性下最大化利润的最优捕捞强度策略。

结果

• 数值验证： 作者使用 Euler-Maruyama 方法对 $L=2$ 和 $L=10$ 个站点的情况进行了数值模拟，样本路径数为 500 条。
• 等效性确认： 标准表述（使用矩阵 $B=V^{1/2}$）与所提议表述（使用矩阵 $H$）之间的对比显示，生物量和捕捞强度的期望值几乎完全一致。两种方法之间的绝对误差极低，验证了理论上的等效性以及使用 $H$ 表述降低计算复杂度的实用性。
• 优化结果： 对 HJB 方程的模拟表明，价值函数随种群水平和生物量的增加而增加，但随捕捞强度的增加而减少。模型推导出的最优捕捞强度策略表明，即使在存在随机冲击的情况下，也能够平衡经济回报与生态可持续性。

意义与主张
本文声称通过提供一个连接理论建模与数值效率的严谨随机框架，为渔业管理领域做出了贡献。

• 理论贡献： 它提供了一种在数学上等效但计算量更轻的方案，作为标准 SDE 表述的替代，使得对复杂、高维渔业系统的建模变得更加可行。
• 实际应用： 结果表明，随机优化方法对于应对面临固有不确定性的现代渔业进行稳健控制是必要的。所提出的框架支持开发适应性收获策略和可持续的多站点政策。
• 局限性与未来工作： 作者谦逊地承认，其模型假设参数（如迁移率）是恒定的，并且未包含年龄结构或复杂的物种间相互作用（捕食者-猎物）。他们建议未来的工作应扩展模型以实现基于生态系统的管理，纳入营养级相互作用，并将渔业模型与气候模型耦合。此外，他们还建议探索超越本研究中所使用的 Euler-Maruyama 方法的高级数值方案（如 Milstein 或 Runge-Kutta 方法）。