[论文解读] Range and critical generations of a random walk on Galton-Watson trees

Pierre Andreoletti, Xinxin Chen|arXiv (Cornell University)|Oct 5, 2015

Stochastic processes and statistical mechanics参考文献 19被引用 3

一句话总结

本文研究在边界情形下（即对数拉普拉斯变换满足 $ \rho(1) = 0 $ 且 $ \rho'(1) = 0 $）在超临界Galton-Watson树上偏置随机游走的范围 $ R_n $。通过 quenched 分析，证明了 $ R_n $ 渐近增长为 $ n / \log n $，其增长由尺度为 $ (\log n)^2 $ 的最常访问代际主导，并刻画了导致该行为的典型环境。

ABSTRACT

In this paper we consider a random walk in random environment on a tree and focus on the boundary case for the underlying branching potential. We study the range $R\_n$ of this walk up to time $n$ and obtain its correct asymptotic in probability which is of order $n/\log n$. Thisresult is a consequence of the asymptotical behavior of the number of visited sites at generations of order $(\log n)^2$,which turn out to be the most visited generations. Our proof which involves a quenched analysisgives a description of the typical environments responsible for the behavior of $R\_n$.

研究动机与目标

• 理解在边界情形下，由偏置随机游走在Galton-Watson树上运行至时间 $ n $ 所访问的不同位置数 $ R_n $ 的渐近行为。
• 识别最常被访问的临界代际（即对 $ R_n $ 增长起主导作用的代际），并阐明其尺度如何决定 $ R_n $ 的增长。
• 刻画导致 $ R_n $ 呈现 $ n / \log n $ 增长速率的典型环境（即树结构与势场分布）。
• 在标准扩散标度失效的零常返情形下，建立该游走的quenched渐近行为。

提出的方法

• 使用quenched概率测度 $ \mathbb{P}^\mathcal{E} $ 对随机环境 $ \mathcal{E} $ 进行条件化，该环境由带位移 $ V(z) $ 的分支随机游走定义。
• 应用依赖于负势能指数 $ e^{-V(z)} $ 的偏置随机游走转移机制，以建模具有位置依赖偏置的随机环境。
• 分析尺度为 $ (\log n)^2 $ 的代际中已访问站点的数量，表明这些代际主导了范围 $ R_n $。
• 通过随机游走 $ S_k $ 使用矩估计与大偏差界，包括对 $ \underline{S}_k $ 和 $ \overline{S}_k $ 的首达时与最大值过程控制。
• 利用马氏性质与路径分解技术，对涉及 $ e^{S_k - \overline{S}_k} $ 的期望进行有界控制，从而控制势能的尾部行为。
• 应用指数矩条件（1.3）与二阶矩控制（1.4），以确保quenched分析中的可积性与一致性。

实验结果

研究问题

• RQ1 在边界情形下，偏置随机游走在Galton-Watson树上的范围 $ R_n $ 的正确渐近阶数是什么？
• RQ2 哪些代际被游走最频繁访问，它们如何影响 $ R_n $ 的增长？
• RQ3 导致观察到的 $ n / \log n $ 范围增长的典型环境（树结构与势场分布）是什么？
• RQ4 在此零常返情形下，游走的quenched行为与annealed或扩散标度行为有何不同？
• RQ5 游走的缓慢常返性是否可由树结构与随机势场之间的相互作用来解释？

主要发现

• 偏置随机游走的范围 $ R_n $ 几乎必然满足 $ R_n \sim n / \log n $，这是正确的渐近阶数。
• 最常访问的代际为尺度 $ (\log n)^2 $ 的代际，其贡献主导了总范围。
• 在接近 $ (\log n)^2 $ 的代际中，已访问站点的数量为 $ n / \log n $ 量级，确认了其在游走探索中的核心作用。
• quenched分析表明，导致 $ n / \log n $ 增长的典型环境是势场满足 $ \psi(1) = 0 $ 且 $ \psi'(1) = 0 $ 的情形，对应于边界情形。
• 游走表现出极慢的常返性，至时间 $ n $ 所访问的最大代际为 $ (\log n)^3 $ 量级，但此量级并不决定范围。
• 证明依赖于对势场过程的精确矩界估计，以及涉及随机游走 $ S_k $ 的最大值与最小值的路径估计，确保在典型环境中实现一致控制。