[论文解读] Duality for spatially interacting Fleming-Viot processes with mutation and selection

Donald A. Dawson, Andreas Greven|arXiv (Cornell University)|Apr 6, 2011

Stochastic processes and statistical mechanics参考文献 21被引用 7

一句话总结

本文通过共alescing-branching随机游走驱动的函数值、集合值和表值对偶过程，建立了带有突变和选择的空间相互作用Fleming-Viot过程的对偶关系。关键贡献是构建了一个严格的集合值对偶过程，从而能够证明遍历定理，表明所有矩均收敛至与初始条件无关的唯一平衡分布，即使在弱选择和空间混合条件下亦成立。

ABSTRACT

Consider a system $X = ((x_ξ(t)), ξ\in Ω_N)_{t \geq 0}$ of interacting Fleming-Viot diffusions with mutation and selection which is a strong Markov process with continuous paths and state space $(\CP(\I))^{Ω_N}$, where $\I$ is the type space, ${Ω_N}$ the geographic space is assumed to be a countable group and $\CP$ denotes the probability measures. We establish various duality relations for this process. These dualities are function-valued processes which are driven by a coalescing-branching random walk, that is, an evolving particle system which in addition exhibits certain changes in the function-valued part at jump times driven by mutation. In the case of a finite type space $\I$ we construct a set-valued dual process, which is a Markov jump process, which is very suitable to prove ergodic theorems which we do here. The set-valued duality contains as special case a duality relation for any finite state Markov chain. In the finitely many types case there is also a further tableau-valued dual which can be used to study the invasion of fitter types after rare mutation. This is carried out in \cite{DGsel} and \cite{DGInvasion}.

研究动机与目标

• 开发一个在空间设定下，针对带有突变和选择的相互作用Fleming-Viot扩散过程的全面对偶理论。
• 建立函数值、集合值和表值对偶过程，以简化复杂测度值扩散过程的分析。
• 通过利用集合值对偶过程，证明系统的遍历定理，表明所有矩收敛至唯一平衡分布。
• 证明在空间混合下，极限分布具有平移遍历性，即使存在长程迁移亦成立。
• 为通过表值对偶研究更优类型入侵动力学提供一个框架，该框架已在后续工作中得到应用。

提出的方法

• 通过适定的鞅问题刻画该过程，确保在状态空间 $({\mathcal{P}}(\mathbb{I}))^{\Omega_N}$ 上弱唯一性和强马氏性质。
• 通过具有突变驱动跳跃的共alescing-branching随机游走构造函数值对偶过程，利用恒等式 $\mathbb{E}[H(Z(t),Z'_0)] = \mathbb{E}[H(Z_0,Z'(t))]$ 实现对偶。
• 在有限类型空间下，引入作为马氏跳跃过程演化的集合值对偶过程，通过共alescing和分支演化，且在 $\mathbb{I}$ 或 $\emptyset$ 处设置陷阱，以确保矩收敛。
• 通过有序因子和耦合项的引入，对集合值对偶过程进行优化，以提升分析可处理性和可解释性。
• 通过在 $S=\mathbb{N}$ 上考虑对偶过程，分析McKean-Vlasov极限，其中独立的对偶云团演化并最终因正解析概率而终止。
• 通过证明远距离对偶云团之间的碰撞概率随层级距离呈指数衰减，从而证明空间同质性和遍历性。

实验结果

研究问题

• RQ1 如何为带有突变和选择的空间相互作用Fleming-Viot过程建立对偶关系？
• RQ2 在有限类型情况下，集合值对偶过程的结构与行为是怎样的，其如何支持遍历性证明？
• RQ3 系统的混合矩如何收敛至平衡态，其极限分布由什么决定？
• RQ4 迁移和空间结构在系统收敛性和遍历性中起什么作用？
• RQ5 对偶过程如何反映谱系结构和更优类型入侵动力学？

主要发现

• 集合值对偶过程以概率1在有限随机时间内击中陷阱（全集 $\mathbb{I}$ 或空集 $\emptyset$），从而确保所有矩收敛至与初始条件无关的极限。
• 系统的所有矩均收敛至同一平衡分布，证明了当对所有 $i,j\in\{1,\dots,M\}$ 满足 $m_{i,j}>0$ 时，相互作用Fleming-Viot过程的遍历定理。
• 极限状态具有平移遍历性，因为相距较远的站点之间相关性随层级距离 $\ell$ 衰减为 $\sim \frac{c_\ell / N^{2\ell}}{\lambda + c_\ell / N^{2\ell}}$，当 $\ell\to\infty$ 时趋于零。
• 在 $M=2$ 情况下，若任意站点达到 $(11)$，对偶过程将解析为 $1$；仅当所有站点均解析为 $(00)$ 且未产生迁移者时，才解析为 $0$，且过程以概率1几乎必然终止。
• 对于 $M>2$，表中的列数为正递归，系统最终会击中所有因子均为 $\mathbb{I}$ 或 $\emptyset$ 的陷阱，从而确保矩收敛。
• McKean-Vlasov极限表现出独立的对偶云团，其最终因正解析概率而终止，从而保证矩收敛和遍历性。