[论文解读] The Maximum of an Asymmetric Simple Random Walk with Reflection

Steven R. Finch|arXiv (Cornell University)|Aug 6, 2018

Stochastic processes and statistical mechanics参考文献 4被引用 6

一句话总结

本文推导了在原点处具有反射的非对称简单随机游走最大值的渐近表达式，区分了强反射与弱反射机制。研究结果表明，最大值的期望随时间对数增长，且包含欧拉常数和周期性波动的修正项；通过模拟和生成函数分析验证了结果，并解决了ℓ=1时相关的红绿灯排队问题。

ABSTRACT

Consider the extreme value of a Bernoulli random walk on the one-dimensional integer lattice, with reflection at 0, over a finite discrete time interval. Only the asymmetric (biased) case is discussed. Asymptotic mean/variance results are given as the time interval length approaches infinity. We similarly solve an elementary traffic light problem from queueing theory.

研究动机与目标

• 分析在有限时间区间内，具有原点反射的非对称简单随机游走的极值分布。
• 推导当时间范围 n → ∞ 时，最大值期望及其方差的精确渐近表达式。
• 区分强反射与弱反射机制，并量化其对最大值的影响。
• 将该框架应用于涉及周期性红绿灯系统的排队论问题，该系统具有到达与离开约束。
• 通过大规模蒙特卡洛模拟验证理论结果，并将经验数据与分析预测进行比较。

提出的方法

• 使用 (k+1)×(k+1) 的转移矩阵 A_k 建模强反射机制下的反射随机游走，弱反射机制下使用类似矩阵。
• 通过矩阵几何方法构造生成函数 G_k(z) = ∑ₙ P(M_n ≤ k)zⁿ，将其表示为有理函数 Q_k / R_k。
• 利用生成函数的奇点分析提取系数的渐近行为，特别关注主导奇点 z_k。
• 应用离散Gumbel分布近似推导渐近均值与方差，其中包含欧拉常数 γ 及周期函数 φ(n)、ψ(n)、ω(n) 的修正项。
• 通过将基础 r = 2 替换为 r = q/p > 1，将对称情形的结果推广至非对称游走，扩展了 Louchard 等人的前期工作。
• 通过大规模模拟（n = 10¹⁰）验证理论预测，使用 40,000 条样本路径对两种游走类型及红绿灯模型进行分析。

实验结果

研究问题

• RQ1 当 n → ∞ 时，具有原点反射的非对称随机游走的最大值期望如何随时间 n 变化？
• RQ2 强反射与弱反射机制下，最大值期望有何差异？
• RQ3 最大值的渐近均值与方差如何依赖于偏倚参数 p < q？
• RQ4 该分析框架是否可应用于周期性排队系统（如具有交替绿灯与红灯阶段的红绿灯）？
• RQ5 对于红绿灯模型中 ℓ=1 的理论预测，在 ℓ>1 时在多大程度上具有普适性？

主要发现

• 对于强反射，E[M_n] ~ ln(n)/ln(q/p) + (γ + ln((1−2p)²/(2q²)))/ln(q/p) + 1/2 + φ(n)，其中 φ(n) 是以 log_{q/p}(n) 为周期的周期函数，周期为 1。
• 对于弱反射，E[M_n] ~ ln(n)/ln(q/p) + (γ + ln(p(1−2p)²/q²))/ln(q/p) + 1/2 + ψ(n)，ψ(n) 同样为周期函数。
• 两种情形下渐近方差为 V[M_n] ~ π²/(6 ln²(q/p)) + 1/12 + ω(n)，其中 ω(n) 可忽略且为周期函数。
• 对于 ℓ=1 的红绿灯问题，E[M_n] ~ ln(n)/(2 ln(q/p)) + (γ + ln(p(1−2p)²/(2q³)))/(2 ln(q/p)) + 1/2 + ψ(n)，且 V[M_n] ~ π²/(24 ln²(q/p)) + 1/12 + ω(n)。
• n = 10¹⁰ 且 40,000 条路径的模拟显示，经验直方图与理论预测在两种游走类型及 ℓ=1 红绿灯模型下高度一致。
• ℓ=1 的理论预测无法推广至 ℓ>1，模拟结果表明存在显著偏差，从而否定了分布与 ℓ 无关的猜想。