[论文解读] A Game-Tree approach to discrete infinity Laplacian with running costs

Qing Liu, Armin Schikorra|arXiv (Cornell University)|May 31, 2013

Mathematical Biology Tumor Growth参考文献 4被引用 3

一句话总结

本文提出一种确定性、博弈论的方法，通过博弈树与迭代收敛，求解带有运行成本的离散无穷范数拉普拉斯方程。它在不依赖边界光滑化或下半连续性假设的前提下，建立了在一般度量空间上带偏置的拔河博弈的动态规划原理（DPP）解的存在性、唯一性及一致有界性。

ABSTRACT

We give a self-contained and elementary proof for boundedness, existence, and uniqueness of solutions to dynamic programming principles (DPP) for biased tug-of-war games with running costs. The domain we work in is very general, and as a special case contains metric spaces. Technically, we introduce game-trees and show that a discretized flow converges uniformly, from which we obtain not only the existence, but also the uniqueness. Our arguments are entirely deterministic, and also do not rely on (semi-)continuity in any way; in particular, we do not need to mollify the DPP at the boundary for well-posedness.

研究动机与目标

• 在一般度量空间上，建立带运行成本的带偏置拔河博弈的动态规划原理（DPP）解的存在性与唯一性。
• 提供一种确定性、非概率性的收敛性证明，针对一种无需依赖边界光滑化或下半连续性的迭代方案。
• 将框架推广至任意度量空间及非均匀球结构，超越标准的欧几里得区域。
• 分析DPP的次解与超解，并推导出与初始数据无关的一致有界性。
• 证明即使在DPP中不存在正的 $\alpha$-权重（如先前研究中所要求的），该迭代方案仍能一致收敛于唯一解。

提出的方法

• 引入博弈树形式化，以建模值函数在离散时间步上的演化，其中每个节点代表一个状态，移动对应于上确界-下确界结构中的选择。
• 通过迭代定义离散流：$u_{k+1}(x) = \mu \sup_{B_\varepsilon(x)} u_k + (1-\mu)\inf_{B_\varepsilon(x)} u_k + f(x)$，其中 $x \in Y$，且在 $X \setminus Y$ 上固定边界值。
• 利用递归的树形表示法，将 $u_k(x)$ 表示为长度为 $k$ 的路径上的嵌套下确界-上确界，以捕捉博弈论动力学。
• 对树施加可接受性约束，以确保仅考虑保持有界性与收敛性的路径，从而得到一个具有统一有界性的截断博弈树。
• 通过比较 $u_k$ 与从截断博弈树导出的参考序列 $v_L$，应用一致收敛性论证，利用路径权重 $\mu^{l(t)}(1-\mu)^{r(t)}$ 的几何衰减。
• 通过柯西型论证建立收敛性：当 $L$ 足够大时，$u_{k+L}$ 与 $v_L$ 之间的差异一致很小，从而推出 $u_k$ 的一致收敛。

实验结果

研究问题

• RQ1 在一般度量空间上，带运行成本的带偏置拔河博弈的动态规划原理（DPP）是否具有唯一解？
• RQ2 该解能否通过一种确定性迭代方案获得，而无需依赖边界光滑化或下半连续性？
• RQ3 在什么条件下可保证迭代序列 $u_k$ 及其极限的一致有界性？
• RQ4 博弈树结构如何在证明解的收敛性与唯一性中发挥作用？
• RQ5 该收敛性是否可在所有初始数据与定义域上实现一致量化？

主要发现

• 对任意 $\mu \in (0,1)$ 与 $\Lambda > 0$，存在常数 $C = C(\mu, \Lambda)$，使得所有满足 $\sup_X \underline{u} < \infty$ 的次解 $\underline{u}$ 满足 $\sup_X \underline{u} \leq C$，且所有满足 $\inf_X \bar{u} > -\infty$ 的超解 $\bar{u}$ 满足 $\inf_X \bar{u} \geq -C$。
• 迭代方案 $u_{k+1}(x) = \mu \sup_{B_\varepsilon(x)} u_k + (1-\mu)\inf_{B_\varepsilon(x)} u_k + f(x)$，其中 $x \in Y$，无论初始有界函数 $u_0$ 如何，均在 $X$ 上一致收敛于唯一解 $u$。
• DPP 的解 $u$ 是迭代序列 $u_k$ 的一致极限，且该收敛性在 $f \equiv 0$ 或 $f > 0$ 时依然成立，无需如先前研究中要求 $\alpha > 0$。
• 收敛性可量化：对任意 $\delta > 0$，存在 $L_0, K_0 > 0$，使得对所有 $L \geq L_0$ 与 $K \geq K_0$，有 $\sup_X |u_{k+L}(x) - v_L(x)| \leq \delta/2$ 且 $\sup_X |v_{K+i}(x) - v_K(x)| \leq \delta/2$，从而推出 $\sup_X |u_{k+L+K}(x) - v_{L+K+i}(x)| \leq \delta$。
• 该方法避免了在边界处的正则化或光滑化，证明完全依赖于确定性的博弈树分析与路径权重的几何衰减。
• 该框架适用于任意度量空间，且适用于比开球或闭球更一般的集合 $B(x)$，如定义 1.5 所形式化。