[논문 리뷰] Limit theorems for iterated random topical operators

Glenn Merlet|arXiv (Cornell University)|2005. 03. 28.

Graph theory and applications참고 문헌 29인용 수 4

한 줄 요약

이 논문은 메모리 손실 성질 하에서 (max,+) 대수에서 반복적인 랜덤 주제적 연산자에 대해 중심극한정리, 국소극한정리, 재생정리 및 대 deviations 원리의 극한정리를 수립한다. 스펙트럼 간격 방법을 사용하여, 정규화된 상태벡터가 점차적으로 i.i.d. 랜덤 변수들의 합과 유사하게 행동함을 증명하며, (max,+) 행렬의 경우 명시적인 분산 조건과 일반적인 양성 조건을 제공한다.

ABSTRACT

Let A(n) be a sequence of i.i.d. topical (i.e. isotone and additively homogeneous) operators. Let $x(n,x_0)$ be defined by $x(0,x_0)=x_0$ and $x(n,x_0)=A(n)x(n-1,x_0)$. This can modelize a wide range of systems including, task graphs, train networks, Job-Shop, timed digital circuits or parallel processing systems. When A(n) has the memory loss property, we use the spectral gap method to prove limit theorems for $x(n,x_0)$. Roughly speaking, we show that $x(n,x_0)$ behaves like a sum of i.i.d. real variables. Precisely, we show that with suitable additional conditions, it satisfies a central limit theorem with rate, a local limit theorem, a renewal theorem and a large deviations principle, and we give an algebraic condition to ensure the positivity of the variance in the CLT. When A(n) are defined by matrices in the \mp semi-ring, we give more effective statements and show that the additional conditions and the positivity of the variance in the CLT are generic.

연구 동기 및 목표

• 시간적 회로, 작업장, 기차 네트워크 등과 같은 시스템을 모델링하는 반복적인 랜덤 주제적 연산자에 대한 확률적 극한정리를 수립하기 위해.
• i.i.d. 주제적 연산자 $ A(n) $에 의해 생성된 상태벡터 $ x(n, x_0) $의 점근적 행동을 분석하기 위해, 특히 메모리 손실 성질 하에서.
• 상태벡터 $ x(n, x_0) $ 가 중심극한정리(수렴 속도 포함), 국소극한정리, 재생정리 및 대 deviations 원리를 만족함을 증명하기 위해.
• 중앙극한정리에서 분산의 양성 조건을 보장하는 대수적 조건을 제공하기 위해, 특히 (max,+) 행렬의 경우에 중점적으로.
• 행렬 형태로 표현된 (max,+) 반순환에서 추가 조건들과 분산의 양성 조건이 일반적임을 보여주기 위해.

제안 방법

• 메모리 손실 성질 하에서 반복적인 랜덤 주제적 연산자의 수렴을 분석하기 위해 스펙트럼 간격 방법을 사용한다.
• 상태의 점근적 행동을 분석하기 위해 $ \mathbb{PR}_{\max}^d $ 프로젝티브 공간을 사용하며, 이는 $ \mathbb{R}^d $ 에서 상수 벡터의 이동에 대한 몫으로 정의된다.
• 프로젝티브 공간에서의 수렴을 측정하기 위해 거리 함수 $ \delta(x, y) = \max_i(x_i - y_i) + \max_i(y_i - x_i) $ 를 사용한다.
• 프로젝티브 공간 상의 정적 측도 $ \nu $ 가 존재하고, $ \nu $-거의확실하게 모든 $ \overline{x} $ 에 대해 $ \max_i(Bx)_i - \max_i x_i = f(\overline{x}) - f(\overline{Bx}) $ 를 만족하는 유계 리프시츠 함수 $ f $ 가 존재함을 기반으로 한다.
• (max,+) 경우에서는 임계 그래프 $ \mathcal{G}^c(A) $, 순환주기 $ c(A) $, 그리고 $ \rho_{\max}(A) = 0 $ 이면 $ A^n $ 이 주기 $ c(A) $ 를 가진다 는 사실을 사용한다.
• [HH01] 과 [CDQV83] 의 결과를 적용하여 $ A^n $ 의 주기성 및 스펙트럼 성질을 도출하고, 대수적 산술성 조건을 사용하여 $ \rho_{\max}(A) $ 의 유리수 성질을 유도한다.

실험 결과

연구 질문

• RQ1 반복적인 랜덤 주제적 연산자의 상태벡터 $ x(n, x_0) $ 가 중심극한정리를 만족하는 조건은 무엇인가?
• RQ2 이러한 시스템에서 중심극한정리의 수렴 속도는 어떻게 되는가?
• RQ3 반복적인 주제적 연산자에 대해 국소극한정리와 재생정리를 어떻게 수립할 수 있는가?
• RQ4 중앙극한정리에서 분산의 양성을 보장하는 대수적 조건은 무엇인가?
• RQ5 (max,+) 행렬의 경우에 한하여, 극한정리에 필요한 추가 조건들이 일반적인가?

주요 결과

• 정규화된 상태벡터 $ \frac{1}{n}x(n, x_0) $ 는 거의확실하게 상수 $ \gamma $ 로 수렴하며, 이는 모델링된 시스템의 처리량의 역수에 해당한다.
• 메모리 손실 성질과 추가 조건 하에서, $ x(n, x_0) $ 는 수렴 속도를 포함한 중심극한정리를 만족하며, 이는 변동 폭이 $ \sqrt{n} $ 의 비율로 스케일링됨을 의미한다.
• 대 deviations 원리가 성립한다: $ \lim_{n \to \infty} \frac{1}{n} \ln \mathbb{P}[\phi(x(n,x_0)) - n\gamma > n\epsilon] = -c(\epsilon) $, 여기서 $ c $ 는 양의 속도 함수이다.
• 국소극한정리가 수립되었으며, 이는 $ x(n,x_0) $ 의 확률밀도함수가 점차적으로 부드러운 밀도로 수렴함을 보여준다.
• 재생정리가 증명되었으며, 이는 동역학 하에서 어떤 집합에 대한 평균 방문 횟수의 점근적 행동을 묘사한다.
• (max,+) 행렬의 경우, 극한정리에 필요한 조건들이 일반적이며, CLT에서의 분산은 일반적으로 양성이다. 또한 대수적 산술성 조건 하에서 $ \rho_{\max}(A) \in a + \frac{b}{d!}\mathbb{Z} $ 를 만족한다.