[论文解读] Limit theorems for iterated random topical operators

Glenn Merlet|arXiv (Cornell University)|Mar 28, 2005

Graph theory and applications参考文献 29被引用 4

一句话总结

该论文在记忆消失性条件下，利用谱隙法，为 (max,+) 代数中的迭代随机主题算子建立了极限定理——中心极限定理、局部极限定理、更新定理及大偏差原理。证明了归一化的状态向量渐近地表现得像独立同分布随机变量的和，给出了显式的方差条件，并在 (max,+) 矩阵情形下具有普遍的正性。

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.

研究动机与目标

• 为建模时序电路、作业车间和列车网络等系统的迭代随机主题算子建立概率极限定理。
• 分析由独立同分布的主题算子 $ A(n) $ 生成的状态向量 $ x(n, x_0) $ 的渐近行为，尤其在记忆消失性条件下的表现。
• 证明 $ x(n, x_0) $ 满足带有收敛速率的中心极限定理、局部极限定理、更新定理以及大偏差原理。
• 提供代数条件，以确保中心极限定理中方差的正性，特别是在 (max,+) 矩阵情形下。
• 表明在 (max,+) 矩阵表示下，为极限定理所需的附加条件及方差正性具有普遍性。

提出的方法

• 使用谱隙法分析在记忆消失性条件下迭代随机主题算子的收敛性。
• 应用射影空间 $ \mathbb{PR}_{\max}^d $，通过 $ \mathbb{R}^d $ 关于常向量平移的商空间研究系统的渐近行为。
• 采用距离 $ \delta(x, y) = \max_i(x_i - y_i) + \max_i(y_i - x_i) $ 衡量射影空间中的收敛性。
• 依赖于射影空间上存在平稳测度 $ \nu $，并利用存在有界利普希茨函数 $ f $ 满足 $ \max_i(Bx)_i - \max_i x_i = f(\overline{x}) - f(\overline{Bx}) $ 对 $ \nu $-几乎处处的 $ \overline{x} $ 成立。
• 在 (max,+) 情形下，利用临界图 $ \mathcal{G}^c(A) $、循环性 $ c(A) $ 的性质，以及当 $ \rho_{\max}(A) = 0 $ 时 $ A^n $ 最终具有周期 $ c(A) $ 的事实。
• 应用 [HH01] 和 [CDQV83] 的结果推导 $ A^n $ 的周期性与谱性质，并利用代数整性推导 $ \rho_{\max}(A) $ 的有理性。

实验结果

研究问题

• RQ1 在何种条件下，迭代随机主题算子的状态向量 $ x(n, x_0) $ 满足中心极限定理？
• RQ2 此类系统中，中心极限定理的收敛速率为何？
• RQ3 如何为迭代主题算子建立局部极限定理与更新定理？
• RQ4 何种代数条件可确保中心极限定理中方差的正性？
• RQ5 在 (max,+) 矩阵情形下，极限定理所需的附加条件是否具有普遍性？

主要发现

• 归一化状态向量 $ \frac{1}{n}x(n, x_0) $ 几乎必然收敛于常数 $ \gamma $，即循环时间，对应于所建模系统吞吐量的倒数。
• 在记忆消失性条件及附加条件下，$ x(n, x_0) $ 满足带有收敛速率的中心极限定理，即波动量按 $ \sqrt{n} $ 规模缩放。
• 大偏差原理成立：$ \lim_{n \to \infty} \frac{1}{n} \ln \mathbb{P}[\phi(x(n,x_0)) - n\gamma > n\epsilon] = -c(\epsilon) $，其中 $ c $ 为正的速率函数。
• 建立了局部极限定理，表明 $ x(n,x_0) $ 的概率密度在极限下收敛于光滑密度。
• 证明了更新定理，描述了在动力系统下访问某集合的期望次数的渐近行为。
• 在 (max,+) 矩阵情形下，极限定理的条件具有普遍性，且 CLT 中的方差在一般情况下为正，当满足代数整性时，有 $ \rho_{\max}(A) \in a + \frac{b}{d!}\mathbb{Z} $。