关于旋转测度选自其自身局部时间的蜘蛛扩散过程
《Stochastic Processes and their Applications》:On spider diffusions having a spinning measure selected from their own local time
【字体:
大
中
小
】
时间:2026年09月24日
来源:Stochastic Processes and their Applications 1.2
编辑推荐:
# 摘要
本文的目的是为Walsh蜘蛛扩散给出若干结果,其中自旋测度是根据其在顶点处的局部时间选取的(参见[1])。我们证明了相应的It?公式,以及全局轨迹性质,如Markov性质和局部时间的$L^1$逼近。我们还推导了Feynman–Kac表示,用于定义在星形网络上的线性
# 摘要
本文的目的是为Walsh蜘蛛扩散给出若干结果,其中自旋测度是根据其在顶点处的局部时间选取的(参见[1])。我们证明了相应的It?公式,以及全局轨迹性质,如Markov性质和局部时间的$L^1$逼近。我们还推导了Feynman–Kac表示,用于定义在星形网络上的线性抛物型系统,该系统满足[2]中引入的所谓局部时间Kirchhoff边界条件。
关于该过程在顶点处的行为,我们证明了其在汇合点处的分布是非原子的,从而确保了密度的存在。我们进一步以折射进入局部时间Kirchhoff边界条件的概率系数来刻画瞬时散射分布。
## 引言
Walsh蜘蛛扩散过程近年来已被广泛研究和推广;例如,参见[3]中关于Walsh半鞅的相关随机积分方程,[4]中关于其平稳分布,[5]中关于相应的停时控制问题,[6]中关于排队网络,以及[7]中关于停时分布。与随机散射控制的进一步联系见[8],而[9]、[10]建立了Walsh布朗运动最优停时与Dubins估计扩展之间的原始联系。除了控制论之外,随机蜘蛛运动还与调和函数、极限定理、占时、Green核、生灭过程以及图上的出时间问题有关;参见[11]、[12]、[13]、[14]、[15]等。
文献中提出了几种Walsh扩散的构造方法。[16]提供了一种基于Feller半群的构造,而[17]使用右过程的 excursion 理论。最近,[18]通过多参数时间变换提出了一种新的构造,而[19]通过时间变换的Walsh布朗运动在星形图上构建了推广扩散。在所有这些工作中,编码了在汇合点处无穷小分支选择的自旋测度在时间上保持恒定。我们的姊妹论文[1]偏离了这一设定,证明了弱存在性和唯一性,即Walsh蜘蛛的自旋测度和系数依赖于汇合顶点处的局部时间。
让我们简要回顾[1]的框架和主要结果,该结果建立在开创性工作[20]及其扩展[21]之上。
给定正整数$I \geq 2$,我们将星形网络$\mathcal{J}$定义为:
$$\mathcal{J} := \{\mathbf{0}\} \cup ((0, \infty) \times [I]),$$
其中$[I] := \{1, \cdots, I\}$,$\mathbf{0} = \{(0, j), j \in [I]\}$是汇合顶点等价类。我们还给定$I$对满足椭圆性条件的弱系数$(\sigma_i, b_i)_{i \in [I]}$:$\forall i \in [I], \sigma_i > 0$。最后,令$(\alpha_1, \ldots, \alpha_I)$为满足$\sum_{i=1}^{I} \alpha_i = 1$的正常数,对应于蜘蛛沿每条射线折射的概率系数。
在[20]中证明了存在取值于$\mathcal{J}$的连续Feller Markov过程$(x(\cdot), i(\cdot))$,使得过程$(x(\cdot))$满足随机微分方程
$$\mathrm{d}x(t) = b_i(t)(x(t))\,\mathrm{d}t + \sigma_i(t)(x(t))\,\mathrm{d}W(t) + \mathrm{d}\ell(t), \quad 0 \leq t \leq T.$$
其中过程$\ell(\cdot)$是$x(\cdot)$在顶点$0$处的局部时间。扩展[20]的工作,[21]建立了如下的It?公式:
$$\mathrm{d}f_i(t)(x(t)) = \left(b_i(t)(x(t))\frac{\partial_x f_i(t)(x(t))}{\partial x} + \frac{1}{2}\sigma_i^2(t)(x(t))\frac{\partial_x^2 f_i(t)(x(t))}{\partial x^2}\right)\mathrm{d}t + \frac{\partial_x f_i(t)(x(t))}{\partial x}\sigma_i(t)(x(t))\,\mathrm{d}W(t) + \sum_{i=1}^{I} \alpha_i \frac{\partial_x f_i(0)}{\partial x}\,\mathrm{d}\ell(t), \quad \mathbb{P}\text{-a.s.}$$
对任何足够正则的$f$成立。
在[1]中,我们将这些存在性和唯一性结果从常系数情形推广到蜘蛛的所有系数——包括自旋测度——都依赖于运行时间和汇合点处局部时间的情形。构造从[20]的常系数情形出发,手工构建了一个适当设计的鞅问题的解,使用经典$\mathbb{R}^d$上鞅问题方法的改编(概率测度的拼接和紧性论证);详见[1]的引言。唯一性依赖于受[2]启发的PDE论证,[2]研究了带有局部时间Kirchhoff边界条件的图上的抛物型系统。据我们所知,[1]中的主要定理给出了自旋测度非常数的Walsh蜘蛛的第一个存在性结果,即使在$I=2$的情况下也是如此。
本文聚焦于[1]中构造的蜘蛛的轨迹性质。从理论角度来看,允许折射系数依赖于局部时间在随机散射控制中引入了新特征,并阐明了$0$附近二阶项的行为;参见[22]中发展的粘性解方法和局部时间Kirchhoff型边界条件,其中外部确定性局部时间变量$\ell$起着至关重要的作用,使得可以扩展[23]、[24]中的结果。
从更实用的角度来看,可以设想一个布朗粒子被约束在形成蜘蛛网的有限多条射线上运动,中心顶点为$0$,并受位于$0$处的点光源影响。每当粒子穿过汇合点时,其电子性质会发生变化,且其对特定射线的瞬时偏好取决于在光照下度过的累积时间——即其局部时间——这反过来又影响自旋测度。这种机制可以模型化点光源被单个粒子散射的情况,并不同于经典的平面布朗运动,后者由于无界变差和几乎确定地不返回到固定点,而无法使用点激光跟踪粒子;参见[25]中关于光散射和布朗运动的早期工作。
我们现在以简洁的形式回顾[1]的主要定理(定理3.1),该定理是本文贡献的基础。
给定$(x^\star, i^\star) \in \mathcal{J}$和$T > 0$,存在唯一的概率测度$\mathbb{P}_{x^\star, i^\star}$,定义在从连续映射$s \mapsto (x(s), i(s)), s \in [0, T]$的典范空间扩充到非负非递减函数$s \mapsto l(s), s \in [0, T]$上(满足$l(0) = 0$),使得对任何足够正则的$f$,蜘蛛鞅问题$(\mathcal{Spi\text{-}\mathcal{Mar}})$成立:
$$\int_0^T \mathbf{1}_{\{x(s) \neq 0\}}\,\mathrm{d}l(s) = 0, \quad \mathbb{P}_{x^\star, i^\star}\text{-a.s.},$$
以及
$$f_i(s)(s, x(s)) - f_{i^\star}(0, x^\star) - \int_0^s \left(\frac{\partial_t f_i(u)(u, x(u))}{\partial t} + \frac{1}{2}\sigma_i^2(u)(u, x(u), l(u))\frac{\partial_x^2 f_i(u)(u, x(u))}{\partial x^2} + b_i(u)(u, x(u), l(u))\frac{\partial_x f_i(u)(u, x(u))}{\partial x}\right)\mathrm{d}u - \int_0^s \sum_{j=1}^{I} \alpha_j(u, l(u))\frac{\partial_x f_j(u, 0)}{\partial x}\,\mathrm{d}l(u)$$
在自然滤子(由典范过程$(x(s), i(s), l(s))_{s \in [0, T]}$生成)下是关于$\mathbb{P}_{x^\star, i^\star}$的鞅。
经典的Skorokhod构造论证确保了$(l(s))_{s \in [0, T]}$是蜘蛛过程在汇合点$0$处的局部时间。
本文中的结果涉及此局部时间依赖蜘蛛的若干定性和定量轨迹性质。每个主要定理回答一个具体问题,标记为问题1至问题6,以引导读者了解论文的结构。
使用检验函数$f: (x, i) \mapsto x$,我们在[1]的命题5.1中证明了存在标准一维布朗运动$W$,使得对于$(\mathcal{Spi\text{-}\mathcal{Mar}})$的唯一解$\mathbb{P}_{x^\star, i^\star}$,我们几乎确定地有,对所有$s \in [0, T]$:
$$x(s) = x^\star + \int_0^s b_i(u)(u, x(u), l(u))\,\mathrm{d}u + \int_0^s \sigma_i(u)(u, x(u), l(u))\,\mathrm{d}W(u) + l(s).$$
**问题1:** 按照[21]中It?公式的精神(其中自旋测度是常数),我们能否为局部时间依赖的蜘蛛获得一个通用的It?公式?
**问题2:** 鞅问题$(\mathcal{Spi\text{-}\mathcal{Mar}})$解所对应的典范过程是否满足强Markov性质?
**问题3:** 在[2]中我们证明了以下定义在星形网络上的线性抛物型系统:
$$\begin{cases} \text{线性抛物型方程(沿每条射线以局部时间为参数):} \displaystyle \frac{\partial_t u_i(t, x, l)}{\partial t} - \sigma_i(t, x, l)\frac{\partial_x^2 u_i(t, x, l)}{\partial x^2} + b_i(t, x, l)\frac{\partial_x u_i(t, x, l)}{\partial x} = 0, & (t, x, l) \in (0, T) \times \mathbb{R}_+^2, \\ \text{在0处的局部时间Kirchhoff边界条件:} \displaystyle \frac{\partial_l u(t, 0, l)}{\partial l} + \sum_{i=1}^{I} \alpha_i(t, l)\frac{\partial_x u_i(t, 0, l)}{\partial x} = \varphi(t, l), & (t, l) \in (0, T) \times \mathbb{R}_+, \\ \text{在} t=0 \text{处的初始条件:} \forall i \in [1, I], \; u_i(0, x, l) = g_i(x, l), & (x, l) \in \mathbb{R}_+^2, \\ \text{在0处的连续性条件:} \forall (i, j) \in [1, I]^2, \; u_i(t, 0, l) = u_j(t, 0, l) = u(t, 0, l), & (t, l) \in [0, T] \times \mathbb{R}_+, \end{cases}$$
在某些正则性类中是适定的,这些正则性类并不能保证$l \mapsto \partial_l u(t, x, l)$在整个区域中完全连续,而只是在$0$处连续(参见[2]中的定义2.1)。(4)的解在逆向表述中是否具有经典情形中的Feynman–Kac表示?我们寻求一个经典证明,特别是,不使用[22]的比较定理,后者在全非线性HJB框架中给出了Feynman–Kac型表示(参见预印本[8])。
**问题4:** 蜘蛛过程$(x, i)$在$0$处的关键非粘性性质(在[1]的命题5.2中证明)为:
$$\forall \varepsilon > 0, \; \mathbb{E}_{\mathbb{P}_{x^\star, i^\star}}\left[\int_0^T \mathbf{1}_{\{x(u) \leq \varepsilon\}}\,\mathrm{d}u\right] \leq C\varepsilon,$$
其中$C > 0$独立于$\varepsilon$。因此,对$d s$-几乎所有$s \in [0, T]$,$\mathbb{P}_{x^\star, i^\star}(x(s) = 0) = 0$。我们能否进一步声称:
$$\forall s \in [0, T], \; \mathbb{P}_{x^\star, i^\star}(x(s) = 0) = 0,$$
尽管系数$(\sigma_i, b_i)$在$0$处不连续且轨迹$s \mapsto i(s)$在通过顶点时高度混沌?由于$x$在每条边的内部行为是经典的,毫无疑问它在远离汇合点处具有关于Lebesgue测度的密度。这种绝对连续性在整个星形网络$\mathcal{J}$上(包括中心顶点)是否成立?
**问题5:** 考虑一维半轴上反射扩散的局部时间的两种经典逼近。第一种是局部时间的下降穿越表示;第二种是一个$L^1$逼近,涉及二阶项和$x$在$0$附近平均花费的时间。这些表示对我们的蜘蛛过程$(x, i)$是否仍然有效?
**问题6:** 引入停时
$$\theta_\delta := \inf\{s \geq 0 : x(s) = \delta\}.$$
回想一下,当自旋测度是常数——即对所有$(t, l) \in [0, T] \times [0, \infty)$有$\alpha_i(t, l) = \alpha_i$——且扩散系数是齐次的,即$b_i(t, x, l) = b_i(x)$且$\sigma_i(t, x, l) = \sigma_i(x)$时,[21](推论2.4)证明了:
$$\forall i \in [I], \; \lim_{\delta \downarrow 0} \mathbb{P}_0(i(\theta_\delta) = i) = \alpha_i.$$
这表明在到达汇合点$0$后,$(x, i)$沿射线$\mathcal{R}_i$散射的瞬时概率恰好为$\alpha_i$。对于我们的鞅问题$(\mathcal{Spi\text{-}\mathcal{Mar}})$是否也有类似的结果?当折射系数是随机的时如何表述?
**论文组织:** 以下第2节致力于精确回顾[1]中的记号和主要结果,这些结果是本文贡献的基础。我们将在第3节至第8节中分别回答前面描述的从问题1到问题6的所有问题。
## 第2节 记号及Walsh蜘蛛鞅问题主要结果的回顾
固定整数$I \geq 2$。我们记$[I] = \{1, \cdots, I\}$,考虑$\mathcal{J}$为由$I$条边定义的汇合空间:
$$\mathcal{J} := \{\mathbf{0}\} \cup ((0, \infty) \times [I]).$$
$\mathcal{J}$中的所有点由$(x, i) \in [0, \infty) \times [I]$描述,其中汇合点$0$与等价类$\{(0, i): i \in [I]\}$等同。稍微滥用记号,$I$条边的公共汇合点$0$通常记为$0$,我们也通常将空间$\mathcal{J}$等同于$I$条边$\mathcal{R}_i = [0, +\infty)$的并集,满足$(i, j) \in [I]^2$且$i \neq j$时$\mathcal{R}_i \cap \mathcal{R}_j = \{0\}$。
## 问题1 – It?公式
It?公式的证明在此仅略述,因为它依赖于经典鞅技术和 excursion 分解(参见[26, 27, Ch. VI]);完整细节可通过标准改编获得。
**定理3.1** 对于$f \in \mathcal{C}^{1,2,1}_b(\mathcal{J}_T \times [0, \infty))$,$\mathbb{P}_{x^\star, i^\star}$-a.s.:
$$f_i(t)(t, x(t), l(t)) - f_{i^\star}(0, x^\star, 0) = \int_0^t \sigma_i(u)(u, x(u), l(u))\frac{\partial_x f_i(u)(u, x(u), l(u))}{\partial x}\,\mathrm{d}W(u) + \int_0^t \frac{\partial_t f_i(u)(u, x(u), l(u))}{\partial t}\,\mathrm{d}u + \int_0^t b_i(u)(u, x(u), l(u))\frac{\partial_x f_i(u)(u, x(u), l(u))}{\partial x}\,\mathrm{d}u + \frac{1}{2}\int_0^t \sigma_i^2(u)(u, x(u), l(u))\frac{\partial_x^2 f_i(u)(u, x(u), l(u))}{\partial x^2}\,\mathrm{d}u + \int_0^t \frac{\partial_l f(u, 0, l(u))}{\partial l}\,\mathrm{d}l(u) + \sum_{j=1}^{I} \int_0^t \alpha_j(u, l(u))\frac{\partial_x f_j(u, 0, l(u))}{\partial x}\,\mathrm{d}l(u),$$
## 问题2 – 强Markov性质
我们为定理2.1和推论2.2的过程建立了强Markov性质。为避免繁琐的记号,我们采用[28]中的Stroock–Varadhan框架,其中核$(\mathbb{P}_{Y,\tau_t})_{Y \in \Phi}$和拼接核$(\delta_Y \otimes_{\tau(Y)} \mathbb{P}_{Y,\tau_t} = \tau(Y))_{Y \in \Phi}$如其中的引理6.1.1和定理6.1.2所定义。
**引理4.1** 设$\tau$是一个$(\Psi_u)$-停时,$(\mathbb{Q}_{Y,\tau_t})_{Y \in \Phi}$是$\mathbb{P}_{x,i,l\tau_t}(\cdot | \Psi_\tau)$的一个正则条件概率分布(r.c.p.d.)。对每个$Y \in \Phi$且$\{\tau(Y) < \infty\}$,定义$\hat{\mathbb{Q}}_{Y,\tau_t}$在$(\Phi, \Psi)$上:
$$\hat{\mathbb{Q}}_{Y,\tau_t}(\omega \in A) := \mathbb{Q}_{Y,\tau_t}(\omega(\cdot + \tau) \in A), \quad \forall$$
## 问题3 – Feynman-Kac表示
本节的主要目的是给出定义在星形网络上的逆向抛物型系统的解的概率表示(Feynman-Kac公式),该系统满足我们在PDE论文[2]中引入的局部时间Kirchhoff边界条件。
本节中,我们在假设$(\mathcal{H})$下工作。我们固定终端条件$T > 0$。对任意$(t, x, i, l) \in [0, T) \times \mathcal{J} \times [0, +\infty)$,我们引入定义在可测典范空间上的唯一概率测度$\mathbb{P}_{x,i,l_t}$。
## 预备知识
将It?公式应用于多元函数
$$(t, x, l) \mapsto (f_1, \cdots, f_I), \quad f_i(t, x, l) := \int_0^x \frac{\mathrm{d}y}{\sigma_i(t, y, l)}.$$
我们得到$\mathbb{P}_{x^\star, i^\star}$-a.s.:
$$f_i(t)(t, x(t), l(t)) = f_{i^\star}(0, x^\star, 0) + W(t) - \int_0^t \int_0^{x(u)} \frac{\partial_u \sigma_i(u)(u, y, l(u))}{\partial u} \sigma_i^2(u)(u, y, l(u))\,\mathrm{d}y\,\mathrm{d}u + \int_0^t b_i(u)(u, x(u), l(u))\sigma_i(u)(u, x(u), l(u))\,\mathrm{d}u - \frac{1}{2}\int_0^t \frac{\partial_x \sigma_i(u)(u, x(u), l(u))}{\partial x}\,\mathrm{d}u + \sum_{j=1}^{I} \int_0^t \alpha_j(u, l(u))\sigma_j(u, 0+, l(u))\,\mathrm{d}l(u) := y_0 + W(t) + \int_0^t h_i(u)(u, x(u), l(u))\,\mathrm{d}u + \tilde{\ell}(t),$$
其中
$$h_i(t, x, l) := -\int_0^x \frac{\partial_t \sigma_i(t, y, l)}{\partial t} \sigma_i^2(t, y, l)\,\mathrm{d}y + b_i(t, x, l)\sigma_i(t, x, l) - \frac{1}{2}\frac{\partial_x \sigma_i(t, x, l)}{\partial x},$$
$$\tilde{\ell}(t) := \sum_{j=1}^{I} \int_0^t \alpha_j(u, l(u))\sigma_j(u, 0+, l(u))\,\mathrm{d}l(u),$$
$$y_0 := f_{i^\star}(0, x^\star, 0).$$
此后,$\mathbb{P} \equiv \mathbb{P}_0$($= \mathbb{P}_{0,i}$对所有$i$)
## 问题5 – 局部时间的二次逼近
我们在此推导出局部时间过程$l(\cdot)$的两个不同逼近。我们方法的基础仍然是蜘蛛鞅问题$(\mathcal{Spi\text{-}\mathcal{Mar}})$的唯一解$\mathbb{P}_{x^\star, i^\star}$所满足的非粘性条件(参见定理2.1):
$$\forall \varepsilon > 0, \; \mathbb{E}_{\mathbb{P}_{x^\star, i^\star}}\left[\int_0^T \mathbf{1}_{\{x(u) \leq \varepsilon\}}\,\mathrm{d}u\right] \leq C\varepsilon,$$
其中$C > 0$是仅依赖于假设$(\mathcal{H})$中系统数据的均匀常数(参见[1]中的命题5.2)。
## 问题6 – 沿某条射线的瞬时散射分布
在本节中,我们刻画蜘蛛$(x, i)$到达汇合点$0$时沿射线$\mathcal{R}_i$的散射分布。
我们有以下命题,推广了[21]中推论2.4的结果。
**命题8.1** 假设$(\mathcal{H})$成立。设$t \in [0, T)$和$\ell \in [0, +\infty)$。假设$(x, i) = \mathbf{0}$。设$\mathbb{P}_{0,\ell_t}$是推论2.2中给出的$(\mathcal{Spi\text{-}\mathcal{Mar}})$鞅问题的解,从时间$t$开始于汇合点$(x, i) = \mathbf{0}$,局部时间水平为$\ell$。则对任意$\delta > 0$,如果我们引入
Miguel Martinez | Isaac Ohavi