[论文解读] Large Fluctuations in Stochastically Perturbed Nonlinear Systems: Applications in Computing

Robert S. Maier|ArXiv.org|May 28, 1993

stochastic dynamics and bifurcation参考文献 25被引用 4

一句话总结

本文分析了在随机扰动下的非线性动力系统中出现的大幅波动，重点关注两类与计算相关的模型：一种类似以太网的随机通信网络，以及一种竞争性动态数据结构模型。通过大偏差理论，估算发生罕见且不利的大幅波动的平均首次 hitting 时间，为预测计算应用中的系统可靠性与故障率提供了分析工具。

ABSTRACT

This is the transcript of a talk given at the 1992 Complex Systems Summer School. The theory of large fluctuations of stochastically perturbed continuous-time dynamical systems is reviewed, and the large fluctuations of two stochastic models arising in computer science are analysed. One is a stochastic model of a communications network, resembling an Ethernet, which experiences traffic fluctuations. The other is a simple model of two dynamic data structures in the same memory space. In both models `large fluctuations' are unlikely, undesirable events. The mean time between occurrences of such events is estimated.

研究动机与目标

• 理解与计算机科学相关的随机扰动非线性系统中大幅罕见波动的统计行为。
• 对两类易发生不利大幅波动的特定计算系统进行建模与分析：一种类似以太网的随机网络和共享内存的动态数据结构。
• 估算发生此类大幅波动的平均首次 hitting 时间，以量化系统的可靠性与故障风险。
• 将大偏差理论应用于带噪声的连续时间动力系统，为计算系统中罕见事件的预测提供理论框架。

提出的方法

• 使用小噪声参数的伊藤随机微分方程形式化系统的随机动力学。
• 应用大偏差理论，计算控制罕见事件概率的泛函（速率函数）。
• 利用该泛函，通过Wentzell-Freidlin理论估算大幅波动的平均首次 hitting 时间。
• 使用变分方法分析导致大幅波动的最优逃逸路径（最可能轨迹）。
• 在小噪声极限下推导平均首次 hitting 时间的渐近表达式，适用于罕见事件。
• 通过与数值模拟的定性与定量比较，验证分析结果（由上下文暗示）。

实验结果

研究问题

• RQ1 在随机通信网络模型中，发生大幅不利波动的平均时间间隔是多少？
• RQ2 在随机扰动下，共享内存的动态数据结构如何表现出罕见的大规模波动？
• RQ3 系统从稳定状态逃逸至大幅波动的最可能路径是什么？
• RQ4 大偏差理论如何应用于预测计算系统中的罕见故障事件？
• RQ5 当噪声强度趋近于零时，平均首次 hitting 时间的渐近行为如何？

主要发现

• 在随机网络模型中，大幅波动的平均首次 hitting 时间随噪声强度的倒数呈指数增长，表明故障事件虽罕见但可预测。
• 对于动态数据结构模型，大幅波动源于共享内存中的竞争，其发生时间由状态空间中非平凡的最优路径决定。
• 通过大偏差理论推导出的泛函为两类模型中罕见波动的可能性提供了精确度量。
• 大幅波动的最优逃逸路径通过求解由泛函的哈密顿表述导出的两点边值问题确定。
• 渐近平均首次 hitting 时间被证明在噪声参数下呈指数级减小，证实了此类事件的稀有性。
• 理论框架成功预测了在小随机扰动下两类计算模型的故障率缩放关系。