交互式逻辑斯谛增长方程可视化：探索 S 形曲线、拐点、环境容量与种群动力学
逻辑斯谛增长方程 dN/dt = rN(1 − N/K) 由 Pierre-François Verhulst 于 1838 年提出，是描述资源有限环境下种群增长的基本模型。当 N 远小于 K 时，方程近似为 dN/dt ≈ rN（指数增长）；当 N 趋近 K 时，增长项 (1−N/K) 趋近零，种群趋于稳定。该方程的解析解为 N(t) = K / (1 + ((K−N₀)/N₀)·e^(−rt))，呈经典的 S 形（Sigmoid）曲线。
逻辑斯谛曲线在 N = K/2 处有一个拐点——此处增长率 dN/dt 达到最大值 rK/4。拐点之前，增长加速度为正（曲线凸向下）；拐点之后，加速度为负（曲线凸向上），增长开始减速。拐点时刻为 t* = (1/r)·ln(K/N₀ − 1)。拐点在实际应用中具有重要意义：它标志着资源瓶颈开始起作用的时刻，也是流行病传播中'日增病例峰值'对应的位置。
对比指数增长方程 dN/dt = rN（解为 N = N₀·e^(rt)）和逻辑斯谛增长：在初始阶段（N ≪ K），两者几乎重合；但随着 N 增大，指数增长继续无限制增长，而逻辑斯谛增长被环境容量 K 所约束。这种对比直观展示了'资源有限'如何改变增长动力学。现实中，几乎所有增长过程最终都会受到某种资源约束——逻辑斯谛方程比纯指数模型更贴近实际。
令 dN/dt = 0，得到两个平衡点：N* = 0（灭绝平衡点，不稳定）和 N* = K（环境容量平衡点，稳定）。相线分析：当 N < K 时 dN/dt > 0（种群增长），当 N > K 时 dN/dt < 0（种群衰减）。因此 K 是全局稳定平衡点——无论初始值 N₀ > 0 如何，系统最终都趋向 K。这种稳定性使逻辑斯谛模型成为预测种群长期动态的可靠工具。
增长率 r 控制趋近 K 的速度：r 越大，S 曲线越陡峭，拐点到达越早。环境容量 K 决定最终稳态值：K 增大只改变曲线高度，不改变形状（标准化后曲线重合）。初始值 N₀ 影响起始位置和拐点时刻：N₀ 越小，指数增长阶段越长，拐点到达越晚。理解这三个参数的效应，是应用逻辑斯谛模型的关键。
逻辑斯谛方程有多种重要推广：(1) Gompertz 模型：dN/dt = rN·ln(K/N)，用于肿瘤生长和老龄化研究；(2) Richards 模型：引入形状参数，统一逻辑斯谛和 Gompertz；(3) 时滞模型：dN/dt = rN(t)(1 − N(t−τ)/K)，产生振荡行为；(4) Allee 效应：低密度时增长率反而下降（dN/dt = rN(N/A − 1)(1 − N/K)）；(5) 离散逻辑斯谛映射 x_{n+1} = rx_n(1−x_n)，r > 3.57 时进入混沌。
逻辑斯谛方程是种群生态学的基石。经典案例：Gause（1934）用草履虫实验完美验证了逻辑斯谛增长；澳大利亚的绵羊数量增长也遵循该模型。在保护生物学中，K 值决定了保护区的最小面积需求；在渔业管理中，最大可持续产量 (MSY) 出现在 N = K/2 处（恰为拐点），捕捞量不应超过 rK/4。
SIR 模型中易感者 S(t) 的减少遵循类似逻辑斯谛曲线。累计确诊人数在疫情早期呈指数增长，中期经过拐点（日增峰值），后期趋于饱和。通过拟合早期数据估计 r 和 K，可预测疫情走势和最终感染规模。2020 年 COVID-19 疫情中，多国确诊曲线呈现典型的 S 形增长。逻辑斯谛模型还为'群体免疫'阈值提供了理论框架。
Everett Rogers 的创新扩散理论（1962）将新产品采纳过程分为创新者→早期采用者→早期多数→后期多数→落后者五个阶段，累计采纳率恰好是 S 形曲线。智能手机、互联网、社交媒体的用户增长都遵循逻辑斯谛模式。市场容量 K 对应总潜在用户数，增长率 r 反映产品口碑传播速度。拐点标志着从'早期市场'到'大众市场'的跨越——这就是著名的'跨越鸿沟'（Crossing the Chasm）概念。