[论文解读] Scaling limits of Markov branching trees with applications to Galton-Watson and random unordered trees

Bénédicte Haas, Grégory Miermont|Mar 18, 2010

Stochastic processes and statistical mechanics被引用 15

一句话总结

本文在分裂分布满足温和条件的前提下，建立了具有马尔可夫分裂性质的随机树（即马尔可夫分支树）的尺度极限。证明了在这些条件下，此类树在Gromov–Hausdorff–Prokhorov拓扑下收敛于自相似碎片化树，其关键应用是严格推导出均匀无序树的尺度极限为布朗运动连续随机树，从而完全证实了Aldous的猜想。

ABSTRACT

We consider a family of random trees satisfying a Markov branching property. Roughly, this property says that the subtrees above some given height are independent with a law that depends only on their total size, the latter being either the number of leaves or vertices. Such families are parameterized by sequences of distributions on partitions of the integers that determine how the size of a tree is distributed in its different subtrees. Under some natural assumption on these distributions, stipulating that "macroscopic" splitting events are rare, we show that Markov branching trees admit the so-called self-similar fragmentation trees as scaling limits in the Gromov-Hausdorff-Prokhorov topology. The main application of these results is that the scaling limit of random uniform unordered trees is the Brownian continuum random tree. This extends a result by Marckert-Miermont and fully proves a conjecture by Aldous. We also recover, and occasionally extend, results on scaling limits of consistent Markov branching models and known convergence results of Galton-Watson trees toward the Brownian and stable continuum random trees.

研究动机与目标

• 在Gromov–Hausdorff–Prokhorov拓扑下，建立马尔可夫分支树存在尺度极限的一般条件。
• 统一并扩展已知的Galton–Watson树与一致马尔可夫分支模型向连续随机树收敛的结果。
• 解决Aldous的猜想：即均匀无序树收敛于布朗运动连续随机树。
• 为离散碎片化过程的尺度极限提供一个通用框架，基于自相似碎片化过程。
• 刻画具有马尔可夫分支性质的随机树的极限行为，无论其在不同规模下是否一致。

提出的方法

• 通过仅依赖于总大小的分划值分布，对随机树进行建模，其子树大小遵循此类分布。
• 定义两种变体：一种是固定叶节点数，另一种是固定顶点数，两者均由分划分布序列控制。
• 施加一个自然条件：宏观分裂事件稀少，以确保收敛于自相似碎片化过程。
• 利用Paintbox构造法与齐次碎片化过程的泊松构造法，将离散树与连续碎片化过程联系起来。
• 在Gromov–Hausdorff拓扑下应用紧致性论证，并通过弱收敛引入概率测度。
• 利用耦合技巧与分裂概率的渐近分析，控制极限过程中的误差项。

实验结果

研究问题

• RQ1 在何种条件下，马尔可夫分支树在Gromov–Hausdorff–Prokhorov拓扑下收敛于连续随机树？
• RQ2 能否严格证明均匀无序树的尺度极限为布朗运动连续随机树？
• RQ3 一致马尔可夫分支模型与Galton–Watson树在极限下如何与自相似碎片化过程关联？
• RQ4 宏观分裂事件的稀少性在确保收敛于自相似碎片化过程中的作用是什么？
• RQ5 该框架能否扩展至非一致模型，如$(\alpha,\theta)$-树？

主要发现

• 均匀无序树的尺度极限为布朗运动连续随机树，完全证实了Aldous的猜想。
• 在宏观分裂事件稀少的条件下，马尔可夫分支树在Gromov–Hausdorff–Prokhorov拓扑下收敛于自相似碎片化树。
• 连续树上的极限测度来源于指数为$-3/2$的自相似碎片化过程，与布朗运动连续随机树一致。
• 对于方差有限的Galton–Watson树，其尺度极限为布朗运动连续随机树，以新的证明技术重新获得了已知结果。
• 收敛性在分裂分布的假设下仅需最小条件，将先前结果推广至更广泛的模型类别。
• 通过$\sqrt{n}/\mathbf{T}^{(m)}_{n+1}$归一化控制分裂概率的渐近行为，导出涉及$x^{-3/2}(1-x)^{-3/2}$的显式积分极限。