Documentos de Académico
Documentos de Profesional
Documentos de Cultura
(x
) g(x
,y)y
.(1)
Donde x denota la densidad de presa, y la densidad del depredador, (x) es la tasa de crecimiento de la
presa en ausencia de depredadores, usualmente es considerada del tipo logstica, es decir,
(x) =o(1
x
K
)
Donde a es la tasa de crecimiento especfica en ausencia de depredadores y sin limitaciones ambiental y
K es la capacidad de carga del hbitat. g(x
:
y =Jy +
ob
1
x
1
y
1+
x
1
+
ob
2
x
2
y
1+
x
2
+
ob
3
x
3
y
1+
x
3
%JcprcJoJor (pumo)
x
1
=x
1
o
1
_1
x
1
K
1
]
b
1
x
1
y
1+
1
x
1
%prcso1 :icuo
x
2
=x
2
o
2
_1
x
2
K
2
]
b
2
x
2
y
1+
1
x
2
%prcso 2 :izcoco
x
3
=x
3
o
3
_1
x
3
K
3
]
b
3
x
3
y
1+
1
x
3
%prcso 3 guonoco
i =1,2,3..n
DONDE
J =el ratio de mortalidad de los depredadores en individuos por ao en un rea de 100km
2
o=eficiencia del depredador en convertir presa consumida en nuevos depredadores
K =es el parmetro de capacidad de carga del hbitat
o
1
=0.075;
2
=0.0233;
3
=0.0325 tiempo que se demora en atrapar una presa se estima que cazara una
vicua en 27 dias una vizcacha en 8.5 dias y un guanaco en 12 dias, cabe recalcar que las presas
principales del puma son los animales pequeos y el guanaco.
Resultados de la simulacin del caso 1
Cuando se simula en estado silvestre sin la intervencin del ser humano con una poblacin inicial de 3
pumas, 10 vicuas, 20 vizcachas y 10 guanacos en un periodo de tiempo de 1000 aos en un rea de
100Km
2
Programa en matlab utilizando ode45 en donde se cargan las condiciones iniciales
Programa en matlab donde esta el algoritmo del el sistema a analizar
9
Grfica del comportamiento del sistema en un periodo de 1000 aos el eje y representa la cantidad en
individuos el eje x el nmero de aos, el puma en color azul, la vicua en color verde, la vizcacha en
color rojo y el guanaco en color celeste.
Grafica de comportamiento entre puma, vicua y el guanaco
10
3.2.2 Resultado caso1
Despus de 1000 aos se tiene que la poblacin inicial de 3 pumas, 10 vicuas, 20 vizcachas y 10
guanacos un rea de 100km
2
es de la siguiente distribucin:
5.3029 65.1582 79.3659 82.9016 %[ puma vi cua vi zcacha guanaco]
Adems se hace notar que aprox. 500 aos el sistema se estabiliza
3.3 CASO2:
Para este caso el escenario el escenario se toma en tiempos del imperio de los incas donde la poblacin de
vicuas fue favorecido por alentar su reproduccin a pesar de ser una especie no domesticada los
guanacos en este modelo se toma como si hubiesen sufrido caza o trampeo con intencin de sacar
rendimiento de piel y carne se considera una caza leve informacin recogida de los primeros cronistas
espaoles indicaban que el Per haba aproxima 2 000 000.00 de vicuas las cuales fueron disminuyendo
hasta nuestros tiempos.
Las condiciones iniciales se toman de la poblacin final de la simulacin del caso 1 considerando que se
encontraron con una poblacin no manipulada por el hombre.
En el modelo se adiciona el valor de C
1
para la vicua como constante de incremento a su poblacin la
cual es proporcional a su poblacin
Asimismo se adiciona C
2
y C
3
para el guanaco y el puma como constante para reflejar la situacin de
caza la cual es proporcional a su poblacin
El modelo no lineal es el siguiente:
y =Jy +
ob
1
x
1
y
1+
x
1
+
ob
2
x
2
y
1+
x
2
+
ob
3
x
3
y
1+
x
3
C
3
y %JcprcJoJor (pumo)
x
1
=x
1
o
1
_1
x
1
K
1
]
b
1
x
1
y
1+
1
x
1
+C
1
x
1
%prcso1 :icuo
x
2
=x
2
o
2
_1
x
2
K
2
]
b
2
x
2
y
1+
1
x
2
%prcso 2 :izcoco
x
3
=x
3
o
3
_1
x
3
K
3
]
b
3
x
3
y
1+
1
x
3
C
2
x
1
%prcso 3 guonoco
i =1,2,3..n
11
3.3.1 SIMULACION EN MATLAB DEL CASO 2
De los datos tenemos que:
Como es el mismo sistema que el caso 1 se utilizaran los mismos parmetros de entrada se adicionara C1,
C2 y C3.
C
1
=0.35; que se interpreta como se aumenta la natalidad en un 35% por la ayuda humana.
C
2
=0.06; que se interpreta como taza de cacera leve de 6% del guanaco.
C
3
=0.06; que se interpreta como taza de cacera leve de 6% del puma.
3.3.2 Resultados de la simulacin del caso 2
Cuando se simula el sistema con la intervencin del ser humano con una poblacin inicial tomada del
resultado del caso1en un periodo de tiempo de 200 aos en un rea de 100Km
2
.
Programa en matlab utilizando ode45 en donde se cargan las condiciones iniciales
Programa en matlab donde esta el algoritmo del el sistema a analizar
12
Grfica del comportamiento del sistema en un periodo de 200 aos el eje y representa la cantidad en
individuos el eje x el nmero de aos, el puma en color azul, la vicua en color verde, la vizcacha en
color rojo y el guanaco en color celeste.
Grafica de comportamiento entre puma, vicua y el guanaco
13
3.3.3 Resultado caso 2
Despus de 200 aos se tiene que la poblacin inicial de 5.3 pumas, 65.15 vicuas, 79.36 vizcachas y
82.9 guanacos un rea de 100km
2
es de la siguiente distribucin:
4.8300 134.4789 78.8627 69.1705%[ puma vi cua vi zcacha guanaco]
Adems se hace notar que aprox. 140 aos el sistema se estabiliza
3.4 CASO3:
Para este caso el escenario es la caza indiscriminada desde la poca de los incas hasta los 70 del pasado
siglo la poblacin de vicuas casi se extingue en un censo en 1969 arrojo una cifra de 10 000 animales los
cazadores mataban a la presa para quitarle su pelaje que es muy valioso, un acuerdo entre el gobierno y
los campesinos creo pampas galeras donde la poblacin de vicuas aumento hasta nuestros das, en el
caso del guanaco su caza fue principalmente por su carne estimndose en 2009 una poblacin no mayor
de 15 000 animales en todo el Per, considerndose una especie en vas de extincin. La poblacin de
Pumas se vio afectado disminuyendo su poblacin a causa de la disminucin dramtica de su presa
natural adems en este modelo no se considera la caza de las vizcachas.
En el modelo se adiciona el valor de C
3
para la vicua es una constante para reflejar la situacin de caza
la cual es proporcional a su poblacin
Asimismo se adiciona C
4
para el guanaco es una constante para reflejar la situacin de caza la cual es
proporcional a su poblacin
El modelo no lineal es el siguiente:
y =Jy +
ob
1
x
1
y
1+
x
1
+
ob
2
x
2
y
1+
x
2
+
ob
3
x
3
y
1+
x
3
%JcprcJoJor (pumo)
x
1
=x
1
o
1
_1
x
1
K
1
]
b
1
x
1
y
1+
1
x
1
C
5
x
1
%prcso1 :icuo
x
2
=x
2
o
2
_1
x
2
K
2
]
b
2
x
2
y
1+
1
x
2
%prcso 2 :izcoco
x
3
=x
3
o
3
_1
x
3
K
3
]
b
3
x
3
y
1+
1
x
3
C
6
x
3
%prcso 3 guonoco
i =1,2,3..n
14
3.4.1 SIMULACION EN MATLAB DEL CASO 3
De los datos tenemos que:
Como es el mismo sistema que el caso 1 se utilizara los mismos parmetros de entrada se adicionara C5 y
C6.
C
5
=0.32; que se interpreta como taza de cacera leve de 32% del puma.
C
6
=0.32; que se interpreta como taza de cacera leve de 32% del guanaco.
3.4.2 Resultados de la simulacin del caso 3
Cuando se simula el sistema con la intervencin del ser humano por caza intensiva de la vicua y el
guanaco con una poblacin inicial tomada del resultado del caso1en un periodo de tiempo de tiempo de
15 aos en un rea de 100Km
2
.
Programa en matlab utilizando ode45 en donde se cargan las condiciones iniciales
Programa en matlab donde esta el algoritmo del el sistema a analizar
15
Grfica del comportamiento del sistema en un periodo de 15 aos el eje y representa la cantidad en
individuos el eje x el nmero de aos, el puma en color azul, la vicua en color verde, la vizcacha en
color rojo y el guanaco en color celeste.
Grafica de comportamiento entre puma, vicua y el guanaco
16
Grfica del comportamiento del sistema en un periodo de 200 aos de caza intensiva . el eje y representa
la cantidad en individuos el eje x el nmero de aos, el puma en color azul, la vicua en color verde, la
vizcacha en color rojo y el guanaco en color celeste. Encontrndose que la vicua tuvo una poblacin de
2.3004 tal como en 1969 adems de la casi extincin del puma.
3.4.3 Resultado caso 3
Despus de 15 aos de caza intensiva la poblacin de animales del sistema bajo como se indica en la
siguiente distribucin:
0.2631 11.8305 79.9288 24.1099%[ puma vi cua vi zcacha guanaco]
3.5 Conclusiones:
Se llega a la conclusin de que el sistema se tardo aproximadamente 500aos en estabilizarse sin la
intervencin humana, tambin que con la ayuda humana se podra aumentar la poblacin de vicuas en un
periodo de 12aos adems la caza intensiva podra extinguir rpidamente a la poblacin de vida silvestre
en el caso 3 se tiene que la poblacin de vicuas con una intensiva llegara a una poblacin 2.3 animales
por 100km2 tal como paso en 1969 adems de la casi extincin del puma. La poblacvion de vizcachas se
estabilizara en 80 animales por 100km
2
tal como estimacin actual
17
4.0 Cont r ol por l i neal i zac i on por r et roal i ment ac i n model o pr esa Pr edador
t i po HOLLI NG I I
En este modelo de una presa y un depredador el modelo que se va a usar es el mismo de la
seccin 6.0 en la cual el depredador es un jaguar y la presa es el mono aullador primero se
modelara el algoritmo de control para pasar a la simulacin en matlab.
4.1 Modelamiento de Control por Linealizacion por retroalimentacin.
Modelando el sistema SISO presa predador y su representacin en Espacios de Estados
x
1
=ox
1
[1
x
1
k
bx
1
x
2
1+x
1
x
2
=Jx
2
+
bx
1
x
2
1+x
1
+cu
Donde x
1
es la cantidad de presas en el sistema y x
2
es la cantidad de depredadores en el
sistema donde u es la entrada de control su representacin en espacios de estados es:
x =_
ox
1
[1
x
1
k
bx
1
x
2
1+ox
1
Jx
2
+
bx
1
x
2
1+ox
1
_ +j
0
c
[ u.(1)
y =x
1
Representamos
x =(x) +g(x)u , y = (x)
(x) =
ox
1
[1
x
1
k
bx
1
x
2
1+x
1
Jx
2
+
bx
1
x
2
1+x
1
, g(x) =j
0
c
[ , (x) =x
1
Los Puntos de equilibrio se hallan cuando la (x) =0
x
c
=j
0
0
[ , x
c
=j
k
0
[, x
c
=j
x
1c
x
2c
[,
x
1c
=
J
b J
, x
2c
=
o(bk Jk J)
(b J)
2
k
,
Grado relativo del proceso No lineal: el resultado indica un grado relativo es r=2
I
g
(x) =(x)g(x) =[1 0][0 c] =0
18
I
]
(x) =(x)(x) =I
g
(x) =(x)g(x) =ox
1
ox
1
2
k
bx
1
x
2
1+x
1
I
g
I
]
(x) =(I
]
(x))g(x) =
cbx
1
1+x
1
La derivada de Li I
]
2
(x ) la utilizaremos ms adelante en la resolucin del problema:
I
]
2
(x) =_o
2ox
1
k
bx
2
(1+x
1
)
2
]_ox
1
[1
x
1
k
bx
1
x
2
1+x
1
] +
bx
1
1+x
1
_Jx
2
bx
1
x
2
1+x
1
]
Comprobar linealizacion:
Jct[g oJ
]
g] 0
Jct
0
bx
1
1+x
1
1 J
bx
1
x
2
1+x
1
=
bx
1
1+x
1
Como el determinante es diferente de cero el conjunto est conformado por campos vectoriales
linealmente independientes para x
1
0 , no es involutivo pues depende de X1
Hacemos la trasformacin x
=x
+x
c
(i =1,2) en el sistema (1) donde x
c
son los puntos de
equilibrio del sistema.
Donde se obtiene la representacin en espacio de estados
_
x
=(x) +g(x)u
y =(x ) =x
1
(x) =
o(x
1-
x
1c
)
o(x
1-
x
1c
)
2
k
bo(x
1-
x
1c
)o(x
2-
x
2c
)
1+(x
1-
x
1c
)
(x
2-
x
2c
) _J +
b(x
1-
x
1c
)
1+o(x
1-
x
1c
)
]
, g(x) =j
0
c
[ , (x) =x
1
19
Linealizacion Exacta
z =(x ) =j
z
1
z
2
[ =_
(x)
I
]
(x)
_ = _
x
1
o(x
1-
x
1c
)
o(x
1-
x
1c
)
2
k
bo(x
1-
x
1c
)(x
2-
x
2c
)
1+(x
1-
x
1c
)
_
z =_
z
1
z
2
_ =_
I
]
(
-1
(z))
I
]
2
(
-1
(z)) +I
g
I
]
(
-1
(z))u
_ =j
z
2
B(z) +A(z)u
[ =j
z
2
:
[
Dnde:
B(z) +A(z)u =_o
2oz
1
k
bz
2
(1+z
1
)
2
]_oz
1
[1
z
1
k
bz
1
z
2
1+z
1
] +
bz
1
1+z
1
_Jz
2
bz
1
z
2
1+z
1
]
+
cbz
1
1+z
1
u
Ley de Control No lineal para el modelo de segundo Orden
u =
1
I
g
I
]
(x)
[: I
]
2
(x)
u =
1
I
g
I
]
(
-1
(z))
_
J
2
r
Jt
2
+K
1
Jr
Jt
+K
2
r K
1
z
2
K
2
z
1
I
]
2
(
-1
(z))_
Dnde:
I
]
2
(
-1
(z)) =_o
2oz
1
k
bz
2
(1+z
1
)
2
] _oz
1
[1
z
1
k
bz
1
z
2
1+z
1
] +
bz
1
1+z
1
_Jz
2
bz
1
z
2
1+z
1
]
I
g
I
]
(
-1
(z)) =
cbz
1
1+z
1
Observador No lineal
0(x) =
o
ox
_
(x)
I
]
(x)
_ =
o
ox
_
x
1
ox
1
ox
1
2
k
bx
1
x
2
1+x
1
_
0(x) =_
1 0
o
2ox
1
k
bx
2
(1+x
1
)
2
bx
1
1+x
1
_
0(x)
-1
=
bx
1
1+x
1
0
o +
2ox
1
k
+
bx
2
(1+x
1
)
2
1
20
Vector de estados estimado
Jx
Jt
=(x) +g(x)u +0(x)
-1
I[y(t) (x)] =0
y =(x)
Calculo de K
Linealizacion del sistema no lineal
A =
o
2ox
2c
k
bx
2c
(1+x
1c
)
2
bx
1c
1+x
1c
bx
2c
(1+x
1c
)
2
J +
bx
1c
1+x
1c
x
1c
,x
2c
,
=j
c
1
c
2
c
3
c
4
[
Donde los Puntos de equilibrio
x
1c
=
J
b J
, x
2c
=
o(bk Jk J)
(b J)
2
k
,
Criterio de Hurwith
det(SI A) =
Se tiene cumplir lo siguiente para estabilizar el sistema
K
1,2
=(c
4
+c
1
)
_
(c
1
c
4
+c
2
c
3
) +
(c
4
+c
1
)
2
4
>0
Donde:
(c
4
+c
1
)
2
>4(c
1
c
4
+c
2
c
3
)
21
4.2 Programa en matlab de la simulacin de control por linealizacion retroalimentacion del modelo
presa depredador tipo HOLDING II.
% sal i da de l azo abi er t o de pendul o
cl ear al l ; cl ose al l ; cl c;
%DATOS DEL SUBSI STEMA MECNI CO
Rho = 0;
%PARMETROS DE LA ECUACI N DE ESTADO
ga=0;
d=0. 3;
b=0. 002;
a=2;
K=165;
gama=0. 95;
h=0. 075
w=b*h;
T= 0. 01; %TI EMPO DE MUESTREO
%VALORES I NI CI ALES
Vi n( 1) =1;
u( 1) =1;
%Per i odo de muest r eo
%Di scr et i zaci on di r ect a
%x1e=d/ ( b- d*w)
%x2e=a*( b*K- d*K*w- d) / ( K*( b- d*w) ^2)
x1e=12;
x2e=1;
x1( 1) = 80; x2( 1) = 12;
c1=a- 2*a*x2e/ K- ( w*b*x2e) / ( 1+w*x1e) ^2
c2=- ( b*x1e) / ( 1+w*x1e)
c3=( w*b*x2e) / ( 1+w*x1e) ^2
c4=- d- ( b*x1e) / ( 1+w*x1e)
i f ( c4+c1) ^2>4*( c1*c4+c2*c3)
c6=1;
el se
c6=0;
end
%k1=( c4+c1) - ( ( ( c4+c1) ^2) / 4- ( c1*c4+c2*c3) ) ^( 0. 5)
%k2=( c4+c1) +( ( ( c4+c1) ^2) / 4- ( c1*c4+c2*c3) ) ^( 0. 5)
k1=0. 001;
k2=0. 001;
f or k=1: 20
Vi n( k) =10;
r ho=Vi n( k) ; dr ho = 0; ddr ho = 0;
f = a*x1( k) - ( a/ K) *x1( k) ^2 - b*x2( k) *x1( k) / ( 1+w*x1( k) ) ;
f a = - d*x2( k) + gama*b*x2( k) *x1( k) / ( 1+w*x1( k) ) ;
z1( k) =( x1( k) - x1e) ;
z2( k) =a*( x1( k) - x1e) - ( a*( x1( k) - x1e) ^2) / K - ( a*b*( x1( k) - x1e) *( x2( k) - x2e) ) / ( 1- w*( x1( k) -
x1e) ) ;
Bz1( k) =( 1+w*z1( k) ) / b*z1( k) ;
Bz2( k) =Bz1( k) *( d*z2( k) - z2( k) *Bz1( k) ) ;
Bz3( k) =( a*z1( k) *( 1- z1( k) / K) - z2( k) *Bz1( k) ) ;
Bz4( k) = a- 2*a*z1( k) / K- w*b*z2( k) / ( 1+w*z1( k) ^2) ;
Bz( k) =Bz4( k) *Bz3( k) +Bz2( k) ;
22
v( k) =r ho + k1*dr ho + k2*r ho;
u( k) =( Bz1( k) *( v( k) - k2*z1( k) - k1*z2( k) +Bz( k) ) ) ;
x1( k+1) =x1( k) +f ; %pr esa
x2( k+1) =x2( k) +f a+ga*u( k) ; %depr edador
y( k+1) =x1( k+1) ;
end
f i gur e
subpl ot ( 121) ; pl ot ( u, ' r ' ) ; yl abel ( ' u ( i ndi v duos - j acar s) ' ) ; xl abel ( ' t ( di as) ' ) ;
subpl ot ( 122) ; pl ot ( x1, ' r ' ) ; hol d on;
pl ot ( x2, ' b' ) ; yl abel ( ' x1, x2 ( i ndi v duos) ' ) ; xl abel ( ' t ( di as) ' ) ;
t i t l e( [ ' x1 i ni ci al = ' i nt 2st r ( x1( 1) ) ' , x2 i ni ci al = ' i nt 2st r ( x2( 1) ) ] ) ;
gr i d
23
5.0 Cont rol por modo desl i zant e del model o pr esa Predador t i po HOLLI NG
En este modelo de una presa un depredador tipo HOLLING II el depredador es el jaguar y la presa es el
mono aullador este sistema est en la selva del Per en la tabla se presenta las caractersticas de ambos
animales los datos fueron encontrados en artculos de internet adjuntos en este trabajo.
Se desea desarrollar un control por modo deslizante para controlar la poblacin de monos.
Donde
J =0.3, o =2,
k =165 cantidades de individuos que soporta el sistema en 100 km
2
b =2x10
-3
; Factor de tasa de encuentro
o=0.95 eficiencia del depredador en convertir presa consumida en nuevos depredadores
1
=0.075; tiempo que se demora en atrapar una presa
cras por ao tasa de mortalidad (b1)
Poblacin por kilmetro
100 peso de individuo (Kg)
mono aullador
2 165 4 a 10
jaguar
1 30% 0.037 45 a 130
24
5.1 Marco Terico Control Modo Deslizante
Concepto bsico
Si se tiene que el sistema no lineal
x =(x) +g(x)u
Se define la dinmica deseada S(x) =0
En general nosotros definimos un escalar, lineal, estable la ecuacin diferencial tal como:
S(x) =0 Representa el comportamiento deseado
S(x) =C(x) =Cx
Donde los C son coeficientes de cambio
Por ejemplo S(x) =x +zx tal si x =0 x(t) =x(0)c
-xt
En general nosotros definimos un fase alcanzada y un fase deslizante o modo
Como podemos llegar a S=0 en una superficie de atraccin
Se realiza de la siguiente forma:
I =
1
2
S
2
Donde V es la funcin candidata de Lyapunov si S es una funcin de todos los estados por otra
parte es la funcin deseada.
I
=SS
si I
<0 cuando S 0
25
Para el control en modo deslizante nosotros podemos intentar encontrare el control u tal
como;
SS
m|S|
Esta ecuacin es llamada la condicin de deslizamiento
Si queremos el resultado en S(t) llevamos a cero en un tiempo infinito t
Considerando SS
=m sgn(S)
Si S >0 S
=m S(t) =S(0) mt
S(t
i
) =0 t S(0)/ m
El modo deslizante puede alczar en un tiempo menos o igual a S(0)/ m
26
Filipov construccin:
Si se define x =(x,t)
ug
=z
+
+(1z)
-
Discontinua en la superficie se tiene una estrucra de control variable
Ley avg: se quiere mantener S
x
n
_
As S(x) =C
t
x =C
1
x
1
+C
2
x
2
+C
n
x
n
= C
1
x
1
+C
2
x
1
+C
n
d
n-1
x
dt
n-1
En particular es conveniente cambio de C
1
+C
2
+C
n
tal que:
S =[
d
dt
+z
n-1
x
1
Nota: todos los polos son como z
Si n=2 se tiene S =x
1
+zx
1
Para n=3 se tiene S =x
1
+2zx
1
+z
2
x
1
Nota: si nosotros hacemos un diseo de un controlador de seguimiento x
1
x
1d
(t)
x
1
=x
1
x
1d
(t) y definimos S =[
d
dt
+z
n-1
x
1
Dado un sistema dinamico no lineal tal como
27
_
x
1
=x
2
x
2
=x
3
.
x
n
=(x,t) +g(x,t)u +J(t)
Donde x
1
=_
x
1
x
2
x
n
_
S(x) =C
1
x
1
+C
2
x
2
+C
n
x
n
Tomando S =[
d
dt
+z
n-1
x
1
C
1
=z
n-1
, C
n
=1
As tenemos que S
(x) =C
1
x
2
+C
2
x
2
+C
n
x
n
+(x,t) +g(x,t)u +J(t)
d
n
x
1d
dt
n
Para un modelo perfecto nosotros tomamos S
=m sgn(S)
As tenemos que:
u =
1
g(x,t)
_C
1
x
2
+C
2
x
2
+C
n
x
n
+(x,t) +J(t)
J
n
x
1d
Jt
n
+m sgn(S)_
28
5.2 Programa en matlab de la simulacin de control por modo deslizante del modelo presa
depredador tipo HOLDING II.
% MODELO PRESA PREDADOR TI PO HOLLI NG I I CON CONTROL POR MODO DESLI ZANTE
%depr edador : j aguar pr esa: mono aul l ador
cl ear al l ; cl ose al l ; cl c;
%PARMETROS DE LA ECUACI N DE ESTADO
d=0. 3;
b=0. 002;
a=2;
K=165;
gama=0. 95;
h=0. 075
w=b*h;
cpj = 0. 0005; %1/ ( j aguar * di a)
cp=6. 2500e- 05;
%Punt os de equi l i br i o
x1e=d/ ( b- d*w) ;
x2e=a*( b*K- d*K*w- d) / ( K*( b- d*w) ^2) ;
%VALORES I NI CI ALES
x1( 1) = 90; x2( 1) = 1;
%est abi l i dad
c1=a- 2*a*x2e/ K- ( w*b*x2e) / ( 1+w*x1e) ^2
c2=- ( b*x1e) / ( 1+w*x1e)
c3=( w*b*x2e) / ( 1+w*x1e) ^2
c4=- d- ( b*x1e) / ( 1+w*x1e)
i f ( c4+c1) ^2>4*( c1*c4+c2*c3)
f or k=1: 200
f = a*x1( k) - ( a/ K) *x1( k) ^2 - b*x2( k) *x1( k) / ( 1+w*x1( k) ) ;
f a = - d*x2( k) + gama*b*x2( k) *x1( k) / ( 1+w*x1( k) ) ;
g = - cpj *x1( k) ;
si = x2( k) ;
ga = 10;
KK = 1. 7; %[ 0. 1 2>
V = ( x1( k) ^2) / 2;
f i = 0. 1*cp*x1( k) / cpj ;
dV_dx1 = x1( k) ;
df i _dx1 = 0. 1*cp/ cpj ;
u( k) = ( 1/ ga) *( ( df i _dx1) *( f +g*si ) - ( dV_dx1) *g - KK*( si - f i ) - f a) ;
x1( k+1) =x1( k) + f + g*si ; %pr esa
x2( k+1) =x2( k) +f a + ga*u( k) ; %depr edador
y( k+1) =x1( k+1) ;
end
f i gur e
subpl ot ( 121) ; pl ot ( u, ' r ' ) ; yl abel ( ' u ( i ndi v duos - j aguar ) ' ) ; xl abel ( ' t ( aos) ' ) ;
gr i d
subpl ot ( 122) ; pl ot ( x1, ' r ' ) ; hol d on;
pl ot ( x2, ' b' ) ; yl abel ( ' x1, x2 ( i ndi v duos) ' ) ; xl abel ( ' t ( aos) ' ) ;
t i t l e( [ ' x1 i ni ci al = ' i nt 2st r ( x1( 1) ) ' , x2 i ni ci al = ' i nt 2st r ( x2( 1) ) ] ) ;
gr i d
end
29
Grfica del comportamiento del sistema en un periodo de 200 aos en el cuadro de la izquierda se
muestra resultado de la salida u sobre el tiempo en cuadro de la derecha se muestra el resultado en el
tiempo de la cantidad de individuos en el eje y representa la cantidad en individuos el eje x el nmero de
aos, el jaguar en color azul y el mono aullador en color rojo.
Grafico del comportamiento del sistema anulando el control bajo las mismas condiciones
Resultado Final
El nmero de monos aulladores es de 162 individuos por 100km2 y la cantidad de jaguares es de13.6
individuos
30
6.0 CONCLUSI ONES
Comportamiento de Sistema de un Predador con tres presas ; Los resultados obtenidos son
satisfactorios debido a que se lograron estimar el modelo a lo largo del tiempo se pudo representar un
comportamiento real del ecosistema de un depredador y tres presas asimismo se puede estimar su
evolucin en un futuro.
Control por modo: A partir de los datos obtenidos se implement un algoritmo gentico se prob el
control por modo deslizante hace un control fino para el modelo de presa predador. Los ajustes obtenidos
para este modelo pueden mejorarse
Control por linealizacion por retroalimentacin: En el caso del control de linealizacion por
retroalimentacin no se pudo conseguir que el control estabilice la seal. Se encontr que este modelo no
es involutivo.
7.0 BIBLI OGRAFI A
[1] Strategy and stationary pattern in a three-species predatorprey model Peter Y.H. Pang and Mingxin Wang
[2] Persistence of Predators in a Two Predators-One Prey Model with Non-Periodic Solution Jawdat Alebraheem and
Yahya Abu-Hasan
[3] Construccin de un Modelo PredadorPresa con Memoria que Presenta Bifurcacin de Hopf Paulo Csar Carmona
Tabares
[4] Global properties of the three-dimensional predator-prey lotka-volterra systems g. c.wake
[5] Control de sistemas no lineales por modos deslizantes de segundo orden. aplicacin a la conversin de energa elica
carolina a. evangelista
[6] Control ptimo aplicado en el modelo depredador-presa de lotka-volterra: aplicacin en el control biolgico del caro
panonychus ulmi Angelo Marcelo Tusset Pedro Luiz de Paula Filho Marat Rafikov
[7] Uso de los Modelos Predador-Presa en el estudio de un Ecosistema
[8] stabilization of a kind of prey-predator model with holling functional response Xi LIU Qingling ZHANG Lichun ZHAO
[9] Estudio cualitativo de la din amica de modelos depredador-presa con difusion y respuestas funcionales del tipo holling ii
y cociente dependiente MSc. Cosme Duque
[10] Modelo depredador-presa. Aplicaciones al control biolgico. Manuel Gmez cmara
[11] Modelo Depredador-Presa Jose Manuel Lopez Cruz Gamaliel Ble Gonzalez
[12] Control of Nonlinear Dynamic Systems: Theory and Applications J. K. Hedrick and A. Girard
[13] Threshold policies control for predator-prey systems using a control Liapunov function approach Magno Enrique
Mendoza Meza a Amit Bhaya a Eugenius Kaszkurewicz a Michel Iskin da Silveira Costa
[14] Filippov Ratio-Dependent Prey-Predator Model with Threshold Policy Control Xianghong Zhang and Sanyi Tang