跳转至

第2章：单物种离散种群模型（Discrete Population Models for a Single Species）

§1 作者

本章为 J.D. Murray《Mathematical Biology I》(Third Edition, 2002) 的第 2 章,作者是 J.D. Murray 本人。该章是全书"单种群动力学"4 章中的第 2 章,与第 1 章(连续模型)形成姊妹关系——把时间步长强制取为 1,引入差分方程 (discrete map) \(N_{t+1} = f(N_t)\) 框架。Murray 强调这一章的"双重身份": 既是种群生态学工具(昆虫、季节性繁殖生物),也是混沌理论 (chaos theory) 的入门章节——许多非线性差分方程的"惊人现象"(周期倍化、Sarkovskii 序)都首先在这一框架内被发现。

§2 内容概述

本章从最简单的 \(N_{t+1} = rN_t\) 几何增长出发,经历 Fibonacci 序列 → 离散 Logistic → Ricker 曲线 → Cobweb 几何解法 → 周期倍化分岔 → Feigenbaum 普适常数 → Sarkovskii 定理 → Li-Yorke 3-周期定理,最后回到生态学(渔业管理、Allee 效应)和医学(肿瘤细胞生长、癫痫)的应用。

第 2.1 节介绍差分方程一般形式 \(N_{t+1} = f(N_t)\),给出 \(r > 1\) 几何增长、Fibonacci 差分方程 \(N_{t+1} = N_t + N_{t-1}\) 的解析解(特征根 \(\lambda_{1,2} = (1 \pm \sqrt{5})/2\)), 推导出黄金数 \((\sqrt{5} - 1)/2\) 与黄金角 137.5°——这些是 Fibonacci 序列在向日葵、松果、菊花螺旋和植物叶序中广泛存在的数学根源。Murray 进一步介绍 Douady-Couder 1992 的磁液滴实验: 该实验通过磁极化铁磁液滴在硅油中的相斥自组织, 模拟出 Fibonacci 角,这提示"机制"而非"基因"才是叶序的决定因素。

第 2.2 节介绍 Cobwebbing 几何解法。在 \(N^* = f(N^*)\) 的平衡附近, 局部动力学由 \(f'(N^*) = \lambda\) 决定: \(0 < \lambda < 1\) 单调稳定, \(-1 < \lambda < 0\) 振荡稳定, \(\lambda = 1\) 切分岔, \(\lambda = -1\) 周期倍化分岔。当 \(\lambda < -1\) 时, 局部不稳定, 但全局有界 (被 \(N_{\max}\) 限制), 解在 \((0, N_{\max})\) 中"看似随机地"游荡, 这就是混沌。

第 2.3 节把 Logistic 模型离散化 \(u_{t+1} = r u_t(1 - u_t)\), \(0 < r < 1\): \(u^* = 0\) 稳定。\(1 < r < 3\): \(u^* = (r-1)/r\), \(\lambda = 2 - r \in (-1, 1)\) 稳定。\(r = 3\): \(\lambda = -1\), 2-周期解产生。继续增 \(r\), 每经过一个分岔点 \(r_{2n}\), 周期从 \(2^{n-1}\) 翻倍到 \(2^n\), 极限值 \(r_c\) 时 2-周期消失, 出现奇数周期解, \(r \approx 3.828\) 出现 3-周期。Sarkovskii 定理 (1964): 若存在奇数 \(n \ge 3\) 的周期, 则对所有 \(n\) 都存在周期解, 隐含混沌。Li-Yorke (1975) "周期 3 蕴含混沌" 是 Sarkovskii 定理的特例。Feigenbaum 常数 \(\delta \approx 4.66920\) 是所有单峰映射 \(f\) 通向混沌的普适常数——这一发现连接了数论、统计物理与生物数学。

第 2.4 节给出周期解的解析稳定性条件。\(m\)-周期解的稳定性由乘积 \(\lambda_m = \prod_{i=0}^{m-1} f'(u_i; r)\) 决定。Murray 介绍 Ricker 曲线 \(u_{t+1} = u_t \exp[r(1 - u_t)]\) 的具体分岔序列: \(r = 2\) 第一次分岔, \(r_4 \approx 2.45\), \(r_6 \approx 2.54\), \(r_c \approx 2.57\) 进入混沌; 把这个模型重标度, 与离散 Logistic 完全等价。Murray 警告: "当 \(r\) 超过前几个分岔值后, 解对参数 \(r\) 的微小变化极度敏感。"

第 2.5 节引入离散延迟模型 \(u_{t+1} = u_t \exp[r(1 - u_{t-1})]\), 线性化得 \(v_{t+1} - v_t + r v_{t-1} = 0\), 特征方程 \(z^2 - z + r = 0\)。当 \(r > 1/4\), 特征根是复共轭 \(z = \rho e^{\pm i\theta}\), \(\rho = r^{1/2}\), \(\theta = \tan^{-1}(4r - 1)^{1/2}\)。 临界 \(r_c = 1\) 处 \(|z| = 1\), 6-周期解出现(因为 \(\theta \to \pi/3\)); 数值显示当 \(r\) 进一步增大, 6-周期被破坏, 解变得 "spikelike", 接近混沌。Murray 用国际捕鲸委员会 (IWC) 须鲸模型 (2.33)-(2.34) 作应用: \(N_{t+1} = (1 - \mu) N_t + R(N_{t-T})\), 延迟 \(T\) 是性成熟时间 (5-10 年); 特征方程是 \(s^{T+1} - (1 - \mu) s^T + h(qz - 1) = 0\), 稳定性用 Jury 条件 (附录 B) 分析。

第 2.6 节把离散模型用于渔业管理: 平衡条件下 \(h^* = f(N^*) - N^*\), 最大持续产量 \(Y_M\) 满足 \(f'(N_M) = 1\)。考虑单位努力量捕获 \(cN\) (catchability \(c\)), 把模型参数化为 \(Y_M = [b \exp(-c E_M) - a][\exp(c E_M) - 1]\)——表明 \(Y_M\) 对努力 \(E\) 极度敏感。经济回报 \(R = p Y_M - k E_M\) 的最优化在 \(Y_M\) 最大点附近出现"反转"——努力过大会反而减少收益。

第 2.7 节给出生态学警告: Allee 效应——若 \(N_t < N_c\) 则 \(N_t \to 0\)。Murray 用 Nicholson 羊蝇 (可能在混沌区) 与 Colorado 土豆甲虫 (在周期区) 的对比, 强调"数据本身无法区分确定论混沌与随机性"。对 \(N_{\min}\) 估计给出物种灭绝条件: \(N_{\min} = f^2(N_m) \le 1\)。 在 Ricker 曲线 (2.46) 中, \(r = 3.5\) 时 \(K < 1600\) 的种群会灭绝——警示"r 越大越易崩溃"。

第 2.8 节把离散 Logistic 用于肿瘤细胞生长 (Cross-Cotton 1994), 发现 200 个独立克隆的总种群呈现"混沌平滑"——即每个克隆本身是混沌的, 但总体平均显示 S 形增长, 这正与肿瘤实验数据吻合。Murray 还讨论了 Iasemidis-Sackellares 1996 关于癫痫与脑混沌的假说, 以及 Larter 1999 对 1000 个耦合神经元混沌-规律转变的数值研究——把差分方程的"周期-混沌"语言推广到神经科学。

§3 核心方程与概念

3.1 差分方程框架

一般形式:

\[ N_{t+1} = N_t F(N_t) = f(N_t). \tag{2.1} \]

平衡点 \(N^*\) 满足 \(N^* = f(N^*)\), 即 \(F(N^*) = 1\)。 局部稳定性由特征值 \(\lambda = f'(N^*)\) 决定:

  • \(|\lambda| < 1\): 稳定 (吸引子);
  • \(|\lambda| > 1\): 不稳定;
  • \(\lambda = 1\): 切分岔 (tangent bifurcation);
  • \(\lambda = -1\): 周期倍化分岔 (period-doubling bifurcation)。

3.2 Fibonacci 序列与黄金数

\(N_{t+1} = N_t + N_{t-1}\) 代入 \(N_t \propto \lambda^t\) 得 \(\lambda^2 - \lambda - 1 = 0\):

\[ \lambda_{1,2} = \frac{1 \pm \sqrt{5}}{2}, \quad \lambda_1 = \frac{1 + \sqrt{5}}{2} \approx 1.618, \quad \lambda_2 = \frac{1 - \sqrt{5}}{2} \approx -0.618. \tag{2.4} \]

大 \(t\) 极限下连续 Fibonacci 数比 \(N_{t+1}/N_t \to \lambda_1 = (1 + \sqrt{5})/2\) (黄金数)。 其倒数 \((\sqrt{5} - 1)/2 \approx 0.618\) 决定向日葵的螺旋数 (8/13, 21/34) 与植物分支角 \(360° \times 0.618 - 180° = 137.5°\) (黄金角)。

3.3 离散 Logistic 与周期倍化

\[ u_{t+1} = r u_t (1 - u_t), \quad r > 0, \quad 0 < u_0 < 1. \tag{2.11} \]

平衡点与特征值:

\[ u^* = 0, \quad \lambda = r; \quad u^* = \frac{r-1}{r}, \quad \lambda = 2 - r. \tag{2.12} \]
  • \(0 < r < 1\): \(u^* = 0\) 稳定;
  • \(1 < r < 3\): \(u^* = (r-1)/r\) 稳定, 单调 (\(0 < \lambda < 1\)) 或振荡 (\(-1 < \lambda < 0\)) 回到平衡;
  • \(r = 3\): 2-周期解产生;
  • \(3 < r < r_4 \approx 3.449\): 2-周期稳定;
  • 继续倍化: \(r_8 \approx 3.544\), \(r_{16} \approx 3.564\), …;
  • \(r_c \approx 3.570\) (Logistic) 或 \(\approx 3.828\) (Ricker): 混沌开始;
  • \(r_3 \approx 3.828\): 3-周期出现 (混沌的"指纹")。

Feigenbaum 普适常数 (1978):

\[ \delta = \lim_{n \to \infty} \frac{r_{2n} - r_{2(n-1)}}{r_{2(n+1)} - r_{2n}} = 4.66920\ldots \tag{2.20} \]

\(\delta\) 是所有单峰连续映射 \(f\) 通向混沌的常数——与具体模型无关, 是非线性动力学的"普适常数"。

3.4 周期解的特征值

\(m\)-周期解 \(\{u_0, u_1, \ldots, u_{m-1}\}\) 满足 \(f^m(u_0) = u_0\)。 链式法则给出:

\[ \lambda_m = \frac{\partial f^m(u)}{\partial u}\bigg|_{u = u_i} = \prod_{i=0}^{m-1} f'(u_i; r). \tag{2.26} \]

\(|\lambda_m| < 1\) 稳定, \(|\lambda_m| > 1\) 不稳定, \(\lambda_m = -1\) 时 2m-周期解产生。

3.5 离散延迟模型与 IWC 须鲸

延迟 Logistic 离散版:

\[ u_{t+1} = u_t \exp[r(1 - u_{t-1})]. \tag{2.28} \]

平衡 \(u^* = 1\) 附近线性化, 设 \(u_t = 1 + v_t\):

\[ v_{t+1} - v_t + r v_{t-1} = 0. \tag{2.29} \]

特征方程 \(z^2 - z + r = 0\):

  • \(r < 1/4\): 实根, \(0 < z_1, z_2 < 1\), 单调稳定;
  • \(1/4 < r < 1\): 复共轭 \(z = \rho e^{\pm i\theta}\), \(\rho = r^{1/2} < 1\), 振荡稳定, 周期 \(2\pi/\theta\);
  • \(r_c = 1\): \(\rho = 1\), 6-周期产生 (\(\theta \to \pi/3\));
  • \(r > 1\): 不稳定, 解变得"spikelike"。

IWC 须鲸模型:

\[ N_{t+1} = (1 - \mu) N_t + R(N_{t-T}). \tag{2.33} \]

招募函数 \(R(N) = (1/2)(1 - \mu)^T N [P + Q(1 - (N/K)^z)]\), 平衡态 \(N^* = K\) 要求 \(\mu = (1/2)(1-\mu)^T P = h\)。 线性化 \(v_t \propto s^t\) 得:

\[ s^{T+1} - (1 - \mu) s^T + h(qz - 1) = 0, \tag{2.38} \]

其中 \(q = Q/P\)。 \(|s| > 1\) 时失稳, 后续分岔序列与 2.3 节类似, \(z\) 是关键参数。稳定性用 Jury 条件 (附录 B)。

3.6 渔业经济模型

平衡条件下 \(h^* = f(N^*) - N^*\), 最大持续产量 \(Y_M\):

\[ f'(N_M) = 1, \quad Y_M = f(N_M) - N_M. \tag{2.41} \]

单位努力量捕 \(cN\) 时, 努力量 \(E_M\) 与 \(Y_M\) 的参数关系 (以 Beverton-Holt 模型 \(f(N) = bN/(a+N)\) 为例):

\[ Y_M = [b \exp(-c E_M) - a][\exp(c E_M) - 1]. \tag{2.44} \]

经济回报 \(R = p Y_M - k E_M\) 在某 \(E\) 处最大化, 但最大 \(R\) 对应的努力量小于最大 \(Y_M\) 对应的努力量——即经济最优点低于生物学最优点。

3.7 Allee 效应与灭绝条件

若 \(N_t < N_c\) (Allee 阈值), \(N_t \to 0\)。 混沌区中 \(N_{\min} = f^2(N_m)\):

\[ N_m : f'(N_t) = 0; \quad N_{\max} = f(N_m); \quad N_{\min} = f(N_{\max}) = f^2(N_m). \tag{2.45} \]

灭绝条件 \(N_{\min} \le 1\)。 在 Ricker 模型 (2.46) 中, \(N_{\min} = (K/r) \exp[2r - 1 - e^{r-1}]\), \(r = 3.5\) 时 \(K < 1600\) 会灭绝。 反直觉结论: 增长参数 \(r\) 越大, 越易崩溃, 因为高峰后崩溃的 \(N_{\min}\) 越小。

3.8 肿瘤多克隆平滑

200 个独立克隆, 每个都 \(r = 3.98\) (混沌区), 总种群 \(\sum N_t^{(j)}\) 呈现"混沌平滑"——S 形增长曲线, 与单克隆的混沌振荡完全不同 (图 2.16b vs 2.15c)。 这解释了为什么肿瘤实验数据通常呈现 S 形, 而单细胞水平的 deterministic chaos 难以直接观测。

§4 关键结论

  1. Fibonacci 序列在生物形态中无处不在, 黄金角 137.5° 是 Douady-Couder 1992 磁液滴自组织实验的预测结果——这强烈提示叶序和向日葵螺旋是"机制产物"而非"基因决定"。

  2. 离散 Logistic \(u_{t+1} = r u_t(1 - u_t)\) 是混沌的原型。 当 \(r\) 从 0 增到 4 时, 解经历 1-周期 → 2-周期 → 4-周期 → 8-周期 → … → 混沌, 周期倍化点收敛为 Feigenbaum 常数 \(\delta = 4.66920\ldots\)。 这一常数是普适的, 与具体模型无关。

  3. Sarkovskii 定理 (1964) 表明, 一维连续映射的周期存在有严格的整数序列序: \(3 \to 5 \to 7 \to \ldots \to 2 \cdot 3 \to 2 \cdot 5 \to \ldots \to 4 \cdot 3 \to \ldots \to 8 \to 4 \to 2 \to 1\)。 若存在 \(n = 3\) 周期, 则所有 \(n\) 周期都存在。 Li-Yorke 1975 "周期 3 蕴含混沌" 是特例。

  4. 离散延迟比无延迟更不稳定。 Ricker 模型无延迟 \(r_c \approx 2.57\) 出现混沌, 加 1 步延迟 \(r_c = 1\) 即出现 6-周期, \(r = 1.4\) 已接近混沌。 延迟越长, 解越易"spikelike"。

  5. IWC 须鲸模型 (2.33)-(2.34) 显示"延迟 + 密度依赖"是真实渔业管理的核心。 特征方程 (2.38) 是 4 参数 (\(\mu, T, h, qz\)) 的高次多项式, Jury 条件给出可计算的稳定域。 Murray 警告 "高周期解常常带来大幅种群波动, 而崩溃后极低点 (甚至 \(N < 1\)) 是真实的灭绝风险"。

  6. 渔业经济: 最大经济回报早于最大持续产量。 简单的 R = pY - kE 模型指出"生物学最优点"与"经济学最优点"不一致——过度捕捞会降低经济回报本身。 这也是 Clark 1976/1985/1990 反复强调的"经济反馈是稳定机制"。

  7. Allee 效应使物种更脆弱。 在 \(N_t < N_c\) 区域, 任何落入该区域的解都趋于灭绝。 即使 \(N_c\) 很小, 长期混沌中的 \(N_{\min}\) 可能周期性穿越 \(N_c\)——这是"内在的"灭绝机制。

  8. 多克隆的混沌平滑 是实验上观察不到单克隆混沌的关键原因。 200 个独立混沌克隆的总和看起来像 S 形增长——这与肿瘤实验数据"形似", 但单细胞水平的混沌信号难以提取。

§5 挑战和开放性问题

  1. 离散 Logistic \(r > r_c\) 的混沌中"窗口" (window) 的精细结构。 周期窗口 (如 3-周期) 之间的间距、宽度、相对位置是否存在更深层的数论结构 (如 Gauss-Kuzmin 分布) 仍是研究课题。 图 2.11 的分形放大镜暗示这是无穷递归的, 但精确的解析刻画缺乏。

  2. Sarkovskii 定理的推广: 它适用于一维连续映射, 但二维映射 (Hénon, 二次迭代) 是否存在类似的整数序仍是开放问题。 Murray 在第 5 章(婚姻模型)中讨论二维耦合差分方程, 但对"周期窗口结构"的理论分析尚不完整。

  3. 离散延迟模型 (2.28) 的"6-周期" 起源: 特征方程 \(z^2 - z + r = 0\) 的复根给 \(\theta = \tan^{-1}(4r-1)^{1/2}\), 临界 \(r = 1\) 时 \(\theta = \pi/3\), 周期 \(= 2\pi/\theta = 6\)。 但 6 不是 2 的幂次, 与经典周期倍化路径不同。 这是延迟引入的"分岔交叉"——一般 \(T\) 步延迟的临界周期是 \(2(T+1)\), 仍需理论化。

  4. IWC 须鲸模型的参数识别: 模型有 4 个可调参数 (\(\mu, T, h, qz\)), 实际数据 (种群数、年龄结构、捕获统计) 难以唯一确定。 Murray 引用 Clark 1976b 的工作, 但具体到 21 世纪须鲸种群恢复的数据, 模型是否仍然适用需要重新校准。

  5. 混沌与"伪随机"的数据区分: Murray 强调, 当实验数据呈现"看似随机"行为时, 区分确定性混沌与随机性是"困难且有争议的"。 经典方法 (Lyapunov 指数、关联维数、BDS 检验) 各有局限。 这个问题在 21 世纪的脑电图 (EEG)、心率变异、肿瘤数据中仍是关键。

  6. 肿瘤多克隆模型过于简化: Cross-Cotton 1994 假设每个克隆的 \(r\) 恒定, 但 Murray-Frenzen 1986 早就指出"细胞分裂的离散性 → 连续的转变"是时变的; Murray 在 2.8 节末尾建议引入年龄结构到多克隆模型。 这一方向在 21 世纪的肿瘤进化模型 (esp. "Big Bang" 肿瘤生长假论) 中得到部分呼应, 但完整的混沌+年龄结构理论尚未建立。

  7. Allee 阈值 \(N_c\) 的生态学确定: \(N_c\) 在数据中通常很难测量——它依赖于配偶寻找、近亲繁殖抗性、群体防御等机制。 灭绝条件 \(N_{\min} \le 1\) 在数学上干净, 但在生态学上需要考虑环境随机性 (Beddington-May 1977) 的"内在灭绝风险"。

  8. 混沌在脑中的角色: Murray 引用 Iasemidis-Sackellares (1996) 和 Larter (1999) 的工作, 但癫痫发作时是"混沌→规律" 还是"规律→混沌" 仍存在学术争议。 Freeman 1975/1987 的"嗅球混沌编码"假说与上述观点互补。 22 年后(2026 年)再回看, 这个问题仍未完全解决。

§6 个人反思与批判性分析

Murray 的"理论 → 应用"双线叙事: 本章从 Fibonacci 黄金数 (纯数学美感) 一路推到 IWC 须鲸、肿瘤细胞、癫痫脑电, 在 30 页内走完了"数论→拓扑→差分方程→混沌→生态学→病理学→神经科学" 的完整旅程。 这要求读者有较强的数学背景, 但每一节都有可独立阅读的应用切口。 这种模块化深度 + 跨学科串联 是该书最值得借鉴的写作风格。

对周期倍化分岔命名的批评: Murray 指出 \(\lambda = -1\) 的分岔"曾被称为 pitchfork (尖叉) bifurcation, 后改名为 period-doubling bifurcation"。 这个命名演化的故事在动力系统史上有趣, 但 Murray 没说明为什么 pitchfork 这个名字更直观 (图 2.8a 中 \(u^*\) 分裂为两支确实像尖叉), 又为什么被 period-doubling 取代 (因为该分岔不改变解的数目, 只是周期从 1 变 2)。 这是数学术语与物理直觉分离的一个小例子。

Feigenbaum 常数的"普适性"边界: Murray 说 \(\delta\) "对所有有单峰的连续映射都成立", 但 (a) 它不适用于二维映射, (b) 它依赖于映射的"光滑性"假设 (实际上 Feigenbaum 1978 给出 \(C^1\) 即可, 但更高阶退化会改变常数), (c) 实验上要测出 \(\delta \approx 4.66920\) 需要 \(\ge 5\) 个分岔点, 在生物系统中很难达到如此精度。 这是一个理论漂亮但实验难验证的典型。

对 IWC 须鲸模型的批评: 该模型 (2.33)-(2.34) 把性比、生育年龄、密度依赖综合为一个标量差分方程, 信息损失巨大。 现代渔业管理使用年龄结构 + 空间分布的偏微分方程模型, IWC 自己在 1990 年代后期也承认该模型在某些种群上"过度乐观"。 Murray 引用 Clark 1976a 是该模型的原作者之一, 但 Murray 没明确指出"IWC 在 1982 年暂停商业捕鲸后, 须鲸种群恢复数据是否证实了模型预测"。 这是一个值得查阅原始文献的细节。

对肿瘤混沌假说的具体批评: Cross-Cotton 1994 的 200 克隆模型假设所有克隆独立演化, 这在真实的肿瘤微环境中不成立——克隆之间存在代谢竞争、免疫逃逸、空间争夺。 Murray 自己承认"假设 r 对每个克隆恒定"是"明显粗略的", 后续的"年龄结构多克隆"模型 (Murray 在 2.8 节末尾提出) 到 2026 年仍未有完整的数学理论。 这是一个悬而未决的开放课题。

与自身研究的相关性: 我作为计算生物力学研究者, 关注的是血管壁重塑中的细胞动力学。 血管平滑肌细胞的增殖 (SMC proliferation) 在动脉粥样硬化和血管重建术后再狭窄中起关键作用, 文献中已有离散 Logistic 或 Ricker 模型的尝试 (如 Edlin 2009 对支架植入后再狭窄的拟合)。 但单细胞的混沌行为在体内很难直接观察——多克隆的"平滑"效应可能掩盖了底层混沌。 这一章给我的启发是:在数据"过于平滑"时, 应主动寻找底层混沌的指纹 (如 Lyapunov 指数、关联维数), 而不是默认 S 形曲线就是真实的种群动力学。

对"周期 3 蕴含混沌"的反思: Li-Yorke 1975 的著名论文标题 "Period Three Implies Chaos" 在科普界被广泛传播, 但 Murray 提示这是 Sarkovskii 定理的特例。 我在阅读本章时想到一个未在 Murray 中讨论的开放问题: 在医学时间序列 (心率、EEG、白细胞计数) 中, 若检测到 3-周期信号, 是否就可以确诊"确定性混沌" 的存在? 实际临床上 3-周期极少见, 大多数是 2-周期 (窦性心律不齐) 或类周期; 真实的医学混沌信号在大多数情况下是宽带 (broadband) 的, 用"周期窗口"检测可能错失关键。

关于"参数识别"在生态学 vs 实验物理中的区别: 本章所有模型参数 (\(r, K, \mu, T, z\)) 都通过实验或观测数据拟合。 在实验物理中, 这种参数拟合可以用受控实验 (如 Douady-Couder 的磁液滴) 验证; 在生态学中, 一次系统性的扰动实验通常是不可能的。 这导致渔业管理、害虫控制中的"模型→预测"链条天然不鲁棒。 Murray 没深入讨论这种生态学建模的认识论局限, 这是该书相比 Strogatz 1994 (混沌的数学) 较为薄弱的一面。

§7 重要参考文献

[X1] Fibonacci (Leonardo of Pisa) (1202). Liber Abaci. (首次给出兔子繁殖问题, 引出 Fibonacci 序列 1, 1, 2, 3, 5, 8, 13, …。 Murray 在 2.1 节作为 1798 Malthus 之前的历史引入。)

[X2] Sarkovskii, A.N. (1964). "Coexistence of cycles of a continuous map of a line into itself." Ukrainian Mathematical Journal 16: 61-71. (一维映射的"周期存在性"整数序列定理, 是"周期 3 蕴含混沌"的严格基础。)

[X3] Li, T.Y., Yorke, J.A. (1975). "Period three implies chaos." American Mathematical Monthly 82: 985-992. (将 Sarkovskii 定理的特例"3-周期" 用科普语言传播, 推动"混沌"概念进入主流。)

[X4] Feigenbaum, M.J. (1978). "Quantitative universality for a class of nonlinear transformations." Journal of Statistical Physics 19: 25-52. (给出通往混沌的"普适常数" \(\delta = 4.66920\ldots\), 是非线性动力学普适性的核心结果。)

[X5] Douady, S., Couder, Y. (1992). "Phyllotaxis as a physical self-organized growth process." Physical Review Letters 68: 2098-2101. (磁液滴自组织实验, 复现植物分支的 137.5° 黄金角, 提示叶序的机制性而非基因性。)

[X6] May, R.M. (1976). "Simple mathematical models with very complicated dynamics." Nature 261: 459-467. (Logistic 差分方程 \(u_{t+1} = r u_t(1-u_t)\) 在生态学中作为"最简单的混沌"经典案例的推广, 是本章 2.3 节的科普级先导。)

[X7] Hassell, M.P., Lawton, J.H., May, R.M. (1976). "Patterns of dynamical behaviour in single-species populations." Journal of Animal Ecology 45: 471-486. (把 Nicholson 羊蝇、Colorado 土豆甲虫等 24 种昆虫的实测数据拟合 \(N_{t+1} = rN_t/(1 + aN_t)^b\), 给出"真实物种在周期/混沌区"的早期证据。)

[X8] Clark, C.W. (1976a). "A delayed-recruitment model of population dynamics with an application to baleen whale populations." Journal of Mathematical Biology 3: 381-391. (本章 2.5 节 IWC 须鲸模型的原始论文, 是国际捕鲸委员会 (IWC) 实际管理使用的核心模型。)

[X9] Beddington, J.R., May, R.M. (1977). "Harvesting natural populations in a randomly fluctuating environment." Science 197: 463-465. (与 Ch 1 中的 Beddington-May 模型互补, 离散版讨论环境随机性对最大持续产量的影响。)

[X10] Cross, S.S., Cotton, D.W.K. (1994). "Chaos and antichaos in pathology." Human Pathology 25: 658-661. (本章 2.8 节肿瘤多克隆混沌平滑的原始文献, 用 Logistic 差分方程解释 S 形肿瘤生长曲线。)

[X11] Strogatz, S.H. (1994). Nonlinear Dynamics and Chaos: With Applications to Physics, Biology, Chemistry, and Engineering. Addison-Wesley. (Murray 推荐的混沌入门教材, 在物理/生物/化学/工程各领域都有应用, 比本章的生态学视角更广。)

[X12] Gumowski, I., Mira, C. (1980). Dynamique Chaotique. Cepadues, Toulouse. (差分方程分岔的代数方法论, 配合计算机代数系统使用。)

[X13] Hoppensteadt, F.C., Hyman, J.M. (1977). "Periodic solutions of a logistic difference equation." SIAM Journal on Applied Mathematics 32: 73-81. (离散 Logistic 周期解的近似方法, 用以生成 Feigenbaum 分岔序列的解析估计。)

[X14] Hassell, M.P. (1978). The Dynamics of Arthropod Predator-Prey Systems. Princeton University Press. (Murray 在 2.1 节引用的昆虫生态学专著, 含大量 Ricker 曲线等离散模型的应用案例。)

[X15] Hassell, M.P., Miramontes, O., Rohani, P., May, R.M. (1995). "A host-parasitoid model with dynamically varying parasitoid attack rates." In Ecology, Evolution and Behaviour of Insects, 1994 Royal Entomological Society Symposium. (本章 2.5 节中提到的"多物种 + 时变攻击率" 离散模型, 是 IWC 须鲸模型的多物种推广。)

[X16] Iasemidis, L.D., Sackellares, J.C. (1996). "Chaos theory and epilepsy." The Neuroscientist 2: 118-126. (本章 2.8 节末尾提到的"癫痫可能是脑混沌"假说的代表性论文, 推动 EEG 混沌分析在临床上的应用。)

[X17] Larter, R., Wu, X., V Holden, A. (1999). "Chaos in neural systems." In Handbook of Biological Physics Vol. 4, North-Holland. (1000 个耦合神经元的混沌-规律转变数值研究, 应用于部分性癫痫发作的传播分析。)

[X18] Stefan, P. (1977). "A theorem of Sarkovskii on the existence of periodic orbits of continuous endomorphisms of the real line." Communications in Mathematical Physics 54: 237-248. (Sarkovskii 定理的英文推广, Murray 引用其进一步扩展了 Li-Yorke 1975 的结果。)

[X19] Kot, M. (2001). Elements of Mathematical Ecology. Cambridge University Press. (Murray 在 2.1 节末尾推荐的离散种群模型生态学专著, 与本章内容高度互补。)

[X20] Cross, S.S. (1997). "Fractals in pathology." Journal of Pathology 182: 1-8. (Murray 在 2.8 节末尾提示"病理学中的分形" 综述, 把肿瘤、血管、神经等多尺度病理结构与分形几何联系。)