在本文的中篇【 1 】 中,我们简单了解了二维网格尤其是正方形网格的随机游走。正方形网格是二维网格中最简单的一种,两个维度相互正交且独立,所以我们可以通过分步计数的方法得到随机游走概率分步的表达式。在本文的余下部分,我们将了解到其它两种不同类型的二维网格上的随机游走。
事实上,除了正方形网格以外,根据网格点之间的连接以及网格的形状不同二维网格还可分为很多种,其中有一大类被称为“阿基米德网格”(Archimedean Lattices),在物理和化学中阿基米德网格常常被用来研究晶体中原子排列的规律,所以它们也被称为“阿基米德晶格”。
早在古希腊时期,亚里士多德和阿基米德等先哲就已经对多边形的网格和平面铺砌做出过深入的研究,阿基米德对多边形网格的构成加上了两个条件:1. 网格中的每个网格(即空洞部分)都必须为正多边形;2. 网格中的每个顶点(即边和边的连接点)都被同样序列的多边形包围。
根据这两个条件,阿基米德发现了11种网格,这11种网格后来被称为“阿基米德网格”。
每一种阿基米德网格都有一个特殊的标注,它表示包围每一个顶点的多边形的序列。比如上图中的正方形网格标注为(44 ),表示每个顶点被4个正方形所包围;而在上图左下方的那个网格中,每个顶点顺序地被2个正三角形,1个正方形,1个正三角形和1个正方形所包围,所以其标注为(32 , 4, 3, 4),该标注严格地描述了这5个多边形围绕每一个顶点的顺序,所以不能简单地将它合并为(33 , 42 )。
在11种阿基米德网格中,只有3种网格由单一的多边形组成(即标注中只有1项),它们是正方形网格(44 ),正三角形网格(36 ),和蜂巢形状的正六边形网格(63 )。
下面,我们简单地了解一下正三角形网格和正六边形网格上的随机游走。
观察正三角形网格上的每一个顶点,可以得知它与周边的6个顶点相连,在随机游走中,质子去往6个相邻顶点的概率都为1/6。这看上去似乎和三维立方体随机游走相同,但如果我们进一步观察两种网格顶点的连接方式,就会发现在二维正三角形网格中,6个相邻顶点两两相连(绿色实线箭头),而在三维立方体网格中,6个相邻顶点之间是孤立的(红色虚线箭头)。
因此,我们不能简单地将三维立方体网格上的随机游走模型套用在二维正三角形网格上。
尽管如此,这个对比仍然给了我们一个启发:是不是可以将正三角形网格转换成一个顶点之间带有额外连接的正方形网格?如果我们把正三角形网格在水平方向上向左拉动,使得原来与水平方向呈60°夹角的网格线垂直于水平方向,那么我们就可以得到如下的一个正方形网格,这个网格中的任意一个顶点除了上下左右四个相邻顶点以外,它还和左上方和右下方两个顶点之间通过对角线相邻。
实际上,我们并不需要将网格拉成90°夹角,把正三角形网格变形成正方形网格;而只需将正三角形网格中的水平方向定义为x 轴,与水平方向呈60°夹角的网格线定义为y 轴,这样,正三角形网格上的任意一个顶点都将被一个、且只被一个二维坐标(x , y )所定义。比如下图中A 点的坐标为(2, 3)。
从原点O 出发,n 步随机游走之后达到坐标(x , y )的概率P (n , x , y )就可以用以下递推公式表示:
P (n , x , y ) = P (n – 1, x – 1, y + 1)/6 + P (n – 1, x – 1, y )/6 + P (n – 1, x , y – 1)/6 + P (n – 1, x + 1, y + 1)/6 + P (n – 1, x + 1, y )/6 + P (n – 1, x , y + 1)/6
有了递推公式以及初始条件P (0, 0, 0) = 1,我们就可以通过编程利用迭代计算得出P (n , x , y )。
那么,有没有可能仍然使用计数的方法来解决这个问题呢?答案是肯定的。
考虑原点O 的6个相邻顶点,假设它们到O 的距离为1,那么这6个顶点都位于以O 为圆心的单位圆上。如果将这个二维平面视为复平面,那么从实数轴出发、逆时针数,原点到这6个顶点的向量依次对应于1,-ω2 ,ω,-1,ω2 和- ω,其中ω = ei π/3 。在正三角形网格随机游走中,质子的任意一步都可以用这6个向量之一来表示:{1, -ω2 , ω, -1, ω2 , – ω}。因此,从O 到A 的任一路径都可以表示为这6个向量的线性组合。
进一步考虑到这6个向量以相反数成对出现,我们可以定义{1, ω, ω2 }为基本向量集合,从O 到A 的任一路径都可以表示为这3个基本向量的线性组合。
比如在上图中,路径1可以写作(2, 0, -3),对应于(1, ω, ω2 )∙(2, 0, -3),即2 – 3ω2 。对应的路径长度n = 5。
路径2可以写作(5, 3, 0),对应于(1, ω, ω2 )∙(5, 3, 0),即5 + 3ω。对应的路径长度n = 8。
路径3可以写作(0, -2, -5),对应于(1, ω, ω2 )∙(0, -2, -5),即-2ω – 5ω2 。对应的路径长度n = 7。
此外,考虑到恒等式1 + ω + ω2 = 0,我们还可以发现以上三个式子是等价的:
2 – 3ω2 = 5 + 3ω + 3(1 + ω + ω2 ) = -2ω – 5ω2 + 2(1 + ω + ω2 )
同时,考虑到每一个基本向量都有正负两个方向,加入一对同一基本向量的正负向量对路径没有影响。
所以,对于该复平面上任意一个点A ,如果已知从O 到A 的某一条路径(x 0 , y 0 , z 0 ),那么从O 到A 的所有其它路径(x , y , z )都可以用以下公式表示:
(1, ω, ω2 )∙(x , y , z ) = (1, ω, ω2 )∙(x 0 , y 0 , z 0 ) + q (1 + ω + ω2 ) + r (1 – 1) + s (ω – ω) + t (ω2 – ω2 )
其中q 、r 、s 、t 为整数。
从上式可以看出,对于从O 到A 的任意两条路径,其差别要么发生在某一个基本向量上(对应于增加或者减少一对同一基本向量的正负向量),称为单向量变化,要么发生在全部三个基本向量上(对应于增加或者减少一组1 + ω + ω2 ),称为三向量变化,但其差别不可能发生、且仅仅发生在两个基本向量上。
我们暂时忽略单向量变化,如果固定某一条路径中的某一个基本向量不变,那么其它两个基本向量也不会发生变化。我们把这种路径称为基本路径。
首先,因为每个基本向量都具有结合律,所以每条基本路径实际上都代表着一组路径。以路径2为例,它代表着所有以5个基本向量1和3个基本向量ω组成的路径,比如1 + 1 + 1 + 1 + 1 + ω + ω + ω,或者1 + ω + 1 + 1 + ω + 1 + 1都可以用(5, 3, 0)表示,这种因为不同顺序形成的路径数等同于组合数C(8, 5)∙C(3, 3),即先从8步中分配5步给基本向量1,再从剩下3步中分配3步给基本向量ω。
其次,考虑单向量变化,每一条基本路径上在路径中加上任意多对相反的基本向量。比如(5, 3, 0)可以表示为5 + 3ω + r (1 – 1) + s (ω – ω) + t (ω2 – ω2 )。
基于基本路径的这两个特点,我们发现从O 到A 、沿着某一条特定的基本路径(x , y , z )的随机游走概率分布等同于三维立方体网格中从O 到顶点(x , y , z )的随机游走概率分布,这是因为:
1. 它们可能的6种移动都发生在单向量上。对于三维立方体网格来说,这是显然的。对于基本路径来说,只可能发生单向量变化或者三向量变化,如果发生了三向量变化,那么就变化成另一个基本路径了。所以对于特定的基本路径来说,只会发生单向量变化。
2. 在三个基本向量/维度上的移动可以进行交换和组合。基本路径(x , y , z )的路径长度为l = |x | + |y | + |z |,其对应的组合数为C(l , |x |)∙C(l -|x |, |y |)。
因此,对于从O 到A 的某个特定路径pk = (x , y , z ),n 步后质子从原点到达A 的概率P (n , pk )为
剩下的工作,就是要找出对于特定的点A ,从O 到A 有多少条基本路径。
因为单向量变化已经被包含于基本路径之中,所以每两条基本路径之间都对应着若干次三向量变化,即
(1, ω, ω2 )∙(x , y , z ) = (1, ω, ω2 )∙(x 0 , y 0 , z 0 ) + q (1 + ω + ω2 )
对于特定的步数n 和某个基本路径pi = (x , y , z ),如果|x | + |y | + |z | > n ,那么pi 对应的概率分布为0——目标明确、闷着头跑都跑不到地方。
因此,我们可以从从O 到A 的某一条路径(x 0 , y 0 , z 0 )开始,先找到qmin 和qmax ,分别有
(1, ω, ω2 )∙(xmin , ymin , zmin ) = (1, ω, ω2 )∙(x 0 , y 0 , z 0 ) + qmin (1 + ω + ω2 )
(1, ω, ω2 )∙(xmax , ymax , zmax ) = (1, ω, ω2 )∙(x 0 , y 0 , z 0 ) + qmax (1 + ω + ω2 )
使得xmin , ymin , zmin ≤ 0,且xmin + ymin + zmin < –n ;xmax , ymax , zmax ≥ 0,且xmax + ymax + zmax > n 。
这样,在二维正三角形网格上用n 步从O 随机游走到A 的概率P (n , A )就可以用以下求和表示,
最后,让我们来看看二维正六边形网格的随机游走。
在正六边形网格中,每一个顶点有3个相邻顶点。但值得注意的是,虽然组成网格的都是全等的正六边形,但顶点却有两种。以下图为例,点A 为一类顶点,它的三个基本向量为-1,-ω和-ω2 ,而点B 为另一类顶点,它的三个基本向量为1,ω和ω2 。
质子在相邻的两次移动中,分别经过两类顶点各1次,所以在正六边形网格的任意一条路径中,这两类顶点交替出现。因此,如果从原点到点A 的最短路径长度为n 0 ,那么对于任意和n 0 奇偶性不同的n ,P (n , A ) = 0。
对于和n 0 奇偶性相同的n ,我们可以通过将正六边形网格转换成正三角形网格的方法求解。
假设n 0 为偶数,那么只有经过偶数步后才能从原点到达A 。我们把所有距离原点为偶数步的顶点用红色标记出来。可以发现,对于一个红色顶点来说,离它最近的红色顶点(相邻的红色顶点)有6个。
现在考虑质子的移动以2步为一组,那么很显然,在一组移动后质子一定会从一个红色顶点移动到相邻的一个红色顶点上,我们把这个移动用红色线段表示出来,得到了什么?
得到了一个正三角形网格!
通过简单的计算可知,在一组移动后,质子从一个红色顶点移动到一个相邻红色顶点的概率为1/3 ∙ 1/3 = 1/9,而移动一步又折返回来的概率为1/3 ∙ 1/3 ∙ 3 = 1/3。
经过转换,我们得到了一个正三角形网格,在每组移动中质子移动到相邻网格的概率为1/9,留在原网格的概率为1/3。我们可以根据以上对正三角形网络的分析得出相应的概率分布。
假设n 0 为奇数,那么我们可以考虑和原点相邻的3个顶点,从这3个顶点出发经过偶数步可以到达A 。所以,通过类似的方式将正六边形网格转换为正三角形网格,我们可以分别考虑从这3个顶点到达A 的过程,将相应的3个概率乘以1/3再加起来即可。
2022年,有四名数学家获得了菲尔茨奖,其中法国数学家雨果·迪米尼-科潘(Hugo Duminil-Copin)的研究领域是概率论,他获奖的主要成果之一,就是自回避随机游走。自回避随机游走是一种特殊的随机游走,指的是在随机游走过程中,质子不重复进入路径中已经经过的网格顶点。
在我们的直觉中,自回避随机游走可能的路径数量要比随机游走可能的路径数量少很多。科潘证明了在二维正六边形网格中,对于长度为n 的自回避随机游走路径,当n 足够大时,路径的数量趋近于[√(2 + √2)]n 。
对随机游走有进一步了解兴趣的读者朋友,可以参阅沃尔夫数学奖得主、芝加哥大学Gregory Francis Lawler教授所著的Random Walk: A Modern Introduction 一书【2】 。
(全文完)
参考出处:
https://sqr5.wordpress.com/2023/07/22/%e5%96%9d%e9%86%89%e7%9a%84%e8%9c%9c%e8%9c%82%e4%b8%8e%e9%9a%8f%e6%9c%ba%e6%b8%b8%e8%b5%b0%ef%bc%88%e4%b8%ad%ef%bc%89/
https://www.amazon.co.uk/Random-Walk-Introduction-Cambridge-Mathematics/dp/0521519187