› ロジスティック成長・人口動態 戻る
生態数学・人口動態

ロジスティック成長モデル・人口動態シミュレーター

増加率r・環境収容力K・初期個体数N₀をスライダーで操作し、個体数のS字型成長曲線をリアルタイム計算。指数成長との比較や捕食者-被食者系（Lotka-Volterra）も体験。

モデルパラメータ

計算結果
—
K/2到達時間 (年)
—
最大増加率時刻 (年)
—
初期倍増時間 (年)
—
最終個体数 N(T)
My
青線: ロジスティック成長 / 灰線: 比較用の指数成長（無限資源）/ 緑破線: 環境収容力K
理論・主要公式
$$\frac{dN}{dt} = rN\left(1 - \frac{N}{K}\right)$$ $N$: 個体数, $r$: 内的自然増加率(/年), $K$: 環境収容力
解析解: $N(t) = \dfrac{K}{1 + \left(\dfrac{K-N_0}{N_0}\right)e^{-rt}}$

N≪Kのとき (1-N/K)≈1 で指数成長、N→KでdN/dt→0（成長停止）。増加速度dN/dtが最大になるのは N=K/2 のとき（変曲点）。

Lotka-Volterra（捕食者-被食者）方程式

被食者: $\dfrac{dN}{dt} = \alpha N - \beta NP$
捕食者: $\dfrac{dP}{dt} = \delta NP - \gamma P$
解は周期的な振動（位相がずれたサイクル）を描く

ロジスティック方程式の理論

会話で学ぶ個体数ダイナミクス

🙋
ロジスティック成長のグラフがS字になるのは分かりますが、「増加速度が最大になるのはK/2」というのはどこから来るんですか？
🎓
dN/dt = rN(1-N/K) を N で微分してゼロとおくと分かる。rN(1-N/K) は N について二次関数（放物線）だから、頂点が N=K/2 になる。N が小さいときは「個体が少なすぎて増加が遅い」、N が K に近いと「資源が足りなくて増加が遅い」。その中間の K/2 が最もバランスよく増える点——これが「漁業の最大持続可能収穫量（MSY）」の理論的根拠でもある。
🙋
「捕食者-被食者系」でウサギとキツネが周期的に増減するというのはどういう仕組みですか？
🎓
ウサギが増える→キツネが増える→ウサギが食べられて減る→キツネも食べ物が減って減る→ウサギが回復する……という遅延フィードバックのサイクルだよ。数学的には解が楕円軌道になって「ウサギとキツネの個体数は常に位相がずれた正弦波のようなサイクルを描く」という周期解を持つ。カナダでのカンジキウサギとカナダオオヤマネコの80〜100年のデータがこの周期性を示す古典的な事例だ。
🙋
新型コロナのような感染症の拡大もロジスティック成長と似てますか？
🎓
近い！感染症のSIRモデル（Susceptible-Infected-Recovered）では、感染者数 I の増加が最初は指数的で、免疫を持つ人が増えるにつれて成長が鈍化してピークを迎える。数式の形はロジスティック方程式と同形になる。「フラット化する」というのはピーク時の I を下げることで、医療崩壊を避けることを意味している。ロジスティック方程式はこのような「資源（この場合は感染可能な人）が有限」な系に共通する数学だ。
🙋
rを大きくすると（増加率が高い）、シミュレーションの最後でグラフが変な振動をしませんか？
🎓
鋭い観察！連続系では安定するけど、離散版（差分方程式） N_{t+1} = N_t + rN_t(1-N_t/K) では r > 2 で振動が始まり、r > 2.57 でカオスに入る。これは「ロジスティック写像」といって、決定論的なのに予測不可能なカオス挙動を示す。天文学者メイが1976年に発表した論文でカオス研究の端緒になった有名な例だ。

よくある質問

Q1. ロジスティック成長の解析解を導くには？
変数分離法を使います。dN/(N(1-N/K)) = r dt を積分すると、左辺は部分分数分解で ln(N/(K-N)) になります。整理すると N(t) = K/(1+((K-N₀)/N₀)e^(-rt)) が得られます。N₀=K/2 のとき指数 e^(-rt) が1で、N(t)=K/(1+e^(-rt)) となり標準的なシグモイド関数になります。
Q2. 環境収容力Kは変動することがある？
あります。降雨量・気温・病気・人間活動などで変動します。「拡張ロジスティックモデル」ではK(t)を時間の関数として扱います。また季節変動を取り入れた周期的なKを使うモデルもあります。気候変動による生態系モデリングでは、将来のK変動の予測が重要な研究課題です。
Q3. ロジスティック関数はAIでどう使われる？
ニューラルネットワークの活性化関数「シグモイド関数」は σ(x) = 1/(1+e^(-x)) で、ロジスティック方程式の解と同形です。ロジスティック回帰（2値分類）も同じ関数を使います。0〜1の範囲に出力を圧縮して「確率」として解釈できる点が機械学習に都合がよいのです。
Q4. 最大持続可能収穫量（MSY）とは？
漁業・林業などの資源管理で使われる概念で、個体群の長期的な持続可能性を損なわない最大収穫量のことです。ロジスティックモデルでは増加速度が最大になる N=K/2 が MSY 達成時の個体密度に対応し、このとき収穫量 = rK/4 が最大になります。持続可能な漁業管理の基礎理論です。

ロジスティック成長モデル・人口動態シミュレーターとは

ロジスティック成長モデル・人口動態シミュレーターは、工学・物理の重要なトピックの一つです。増加率r・環境収容力K・初期個体数N₀をスライダーで操作し、個体数のS字型成長曲線をリアルタイム計算。指数成長との比較や捕食者-被食者系（Lotka-Volterra）も体験。

このシミュレーターでは、パラメータを直接操作しながら、現象の本質的な挙動を体験的に理解できます。計算結果はリアルタイムで更新され、数値と可視化の両面から直感的な理解を深めることができます。

ロジスティック成長モデルは、個体群の増加が環境収容力 \( K \) によって制限される現象を記述する。基本式は微分方程式 \( \frac{dN}{dt} = rN \left(1 - \frac{N}{K}\right) \) で表され、ここで \( r \) は内的自然増加率、\( N \) は現時点の個体数である。初期個体数 \( N_0 \) が小さいほど、初期段階では指数関数的な増加を示すが、個体数が \( K \) に近づくにつれて増加率は減衰し、最終的に \( N = K \) で平衡状態に達する。このS字型（シグモイド）曲線は、資源の有限性を反映した現実的な成長パターンである。一方、指数成長モデル \( \frac{dN}{dt} = rN \) は制限がなく、持続不可能な爆発的増加を示す。さらに、捕食者-被食者系（Lotka-Volterraモデル）では、被食者 \( x \) と捕食者 \( y \) の相互作用を \( \frac{dx}{dt} = \alpha x - \beta xy \)、\( \frac{dy}{dt} = \delta xy - \gamma y \) で表現し、両者の個体数が周期的に変動する様子を観察できる。本シミュレーターでは、これらの数式に基づき、スライダー操作でパラメータを変更しながらリアルタイムにグラフを更新し、生態系の動態を直感的に理解できる。

$$$\frac{dN}{dt} = rN\left(1 - \frac{N}{K}\right)$$$

実世界での応用

産業での実際の使用例
水産養殖業界では、サーモンやブリの養殖計画に本シミュレーターが活用されています。例えば、マルハニチロの養殖事業では、環境収容力Kを飼育槽の容量や酸素供給量に設定し、初期個体数N₀と増加率rを調整することで、過密による成長停滞を回避する最適な放養密度を算出。これにより、稚魚から出荷までの成長曲線を予測し、給餌量や収穫時期の計画を効率化しています。

研究・教育での活用
大学の生態学や資源管理学の講義では、個体群動態の理解に必須のツールです。東京大学の演習では、学生がスライダーでrやKを変化させ、指数成長とロジスティック成長の違いを視覚的に比較。さらにLotka-Volterraモードで捕食者（オオカミ）と被食者（シカ）の振動を再現し、生態系の安定性や絶滅リスクを議論する教材として利用されています。

CAE解析との連携や実務での位置付け
本シミュレーターは、CAEの前処理段階で生物学的パラメータの感度分析に使用されます。例えば、水槽内の流体解析（CFD）と連携し、酸素濃度分布から局所的な環境収容力を推定。その値をKとして入力し、成長曲線を計算することで、設計段階で飼育効率を最適化。実務では、実験データのフィッティングによるパラメータ同定や、設備投資の意思決定支援ツールとして位置付けられています。

よくある誤解と注意点

「環境収容力Kを超えた個体数は自動的に減少する」と思いがちですが、実際はロジスティック成長モデルでは個体数がKを超えると増加率が負になるため、理論上は減少に転じます。しかし現実の生態系では、K超過による急激な資源枯渇や環境悪化が起こり、単純なS字カーブでは再現できない複雑な変動が生じる点に注意が必要です。

「増加率rが大きいほど常に速くKに到達する」と思いがちですが、実際はrが高すぎると個体数がKを大きくオーバーシュートし、その後急減して振動的になる場合があります。特に捕食者-被食者系のシミュレーションでは、rの値がわずかに変わるだけで周期や安定性が劇的に変化するため、パラメータ設定には慎重な検討が必要です。

「初期個体数N₀がゼロなら個体数は永遠にゼロのまま」と思いがちですが、実際はロジスティックモデルではN₀=0が平衡点の一つであり、外部からの移入や確率的な事象がない限り増加しません。実務で人口予測を行う際は、この初期条件のわずかな違いが長期的な結果に大きな影響を与える可能性があることを理解しておく必要があります。