Teoria ciągłości perkolacji - Continuum percolation theory
W matematyce i teorii prawdopodobieństwa , teoria kontinuum przesączania jest gałąź matematyki, który rozciąga się dyskretne perkolacji teorii na ciągłej powierzchni (często euklidesowa przestrzeń ℝ n ). Mówiąc dokładniej, leżące poniżej punkty dyskretnej perkolacji tworzą typy sieci, podczas gdy leżące poniżej punkty perkolacji ciągłej są często rozmieszczone losowo w pewnej ciągłej przestrzeni i tworzą rodzaj procesu punktowego . Dla każdego punktu często umieszczany jest losowy kształt, a kształty nakładają się na siebie, tworząc skupiska lub komponenty. Podobnie jak w przypadku perkolacji dyskretnej, wspólnym celem badań nad perkolacją ciągłą jest badanie warunków występowania nieskończonych lub olbrzymich komponentów. Inne wspólne koncepcje i techniki analizy istnieją w tych dwóch typach teorii perkolacji, a także w badaniu losowych grafów i losowych grafów geometrycznych .
Perkolacja ciągła powstała z wczesnego modelu matematycznego dla sieci bezprzewodowych , który wraz z rozwojem kilku technologii sieci bezprzewodowych w ostatnich latach został uogólniony i zbadany w celu określenia teoretycznych granic przepustowości i wydajności informacji w sieciach bezprzewodowych. Oprócz tego ustawienia, perkolacja kontinuum zyskała zastosowanie w innych dyscyplinach, w tym w biologii, geologii i fizyce, takich jak badanie materiałów porowatych i półprzewodników , stając się jednocześnie przedmiotem matematycznego zainteresowania.
Wczesna historia
We wczesnych latach sześćdziesiątych Edgar Gilbert zaproponował model matematyczny w sieciach bezprzewodowych, który dał początek teorii ciągłej perkolacji, uogólniając w ten sposób perkolację dyskretną. Punkty leżące u podstaw tego modelu, czasami znane jako model dysku Gilberta, zostały rozrzucone równomiernie w nieskończonej płaszczyźnie ℝ 2 zgodnie z jednorodnym procesem Poissona . Gilbert, który zauważył podobieństwa między perkolacją dyskretną i kontinuum, wykorzystał następnie koncepcje i techniki z przedmiotu prawdopodobieństwa procesów rozgałęzień, aby wykazać, że istnieje wartość progowa dla nieskończonego lub „gigantycznego” składnika.
Definicje i terminologia
Dokładne nazwy, terminologia i definicje tych modeli mogą się nieznacznie różnić w zależności od źródła, co znajduje również odzwierciedlenie w zastosowaniu notacji procesu punktowego .
Typowe modele
Istnieje wiele dobrze zbadanych modeli perkolacji kontinuum, które często są oparte na jednorodnych procesach punktu Poissona .
Model dysku
Rozważ zbiór punktów { x i } na płaszczyźnie ℝ 2, które tworzą jednorodny proces Poissona Φ o stałej (punktowej) gęstości λ . Dla każdego punktu procesu Poissona (tj. X i ∈ Φ , umieść dysk D i, którego środek znajduje się w punkcie x i . Jeśli każdy dysk D i ma losowy promień R i (ze wspólnego rozkładu ), który jest niezależny od wszystkie inne promienie i wszystkie leżące pod nimi punkty { x i } , to wynikowa struktura matematyczna jest znana jako losowy model dysku.
Model boolowski
Biorąc pod uwagę losowy model dysku, jeśli weźmie się sumę wszystkich dysków { D i } , to wynikowa struktura ⋃ i D i jest znana jako model Boole'a-Poissona (znany również jako po prostu model Boole'a ), który jest powszechnie badany model w perkolacji kontinuum oraz geometrii stochastycznej . Jeśli wszystkie promienie są ustawione na jakąś wspólną stałą, powiedzmy r > 0 , to wynikowy model jest czasami nazywany modelem dysku Gilberta (Boolean).
Model zarodka-ziarna
Model dysku można uogólnić na bardziej dowolne kształty, w których zamiast dysku, losowy zwarty (stąd ograniczony i zamknięty w ℝ 2 ) kształt S i jest umieszczany w każdym punkcie x i . Ponownie, każdy kształt S i ma wspólny rozkład i jest niezależny od wszystkich innych kształtów i leżącego u jego podstaw procesu punktowego (Poissona). Model ten jest znany jako model zarodka ziarnistego, w którym punktami leżącymi u podstaw { x i } są zarazki, a przypadkowe zwarte kształty S i to ziarna . Zestaw zjednoczenie wszystkich kształtów tworzy logiczną modelu zarodkowej ziarna. Typowe wybory dla ziaren obejmują dyski, losowy wielokąt i segmenty o losowej długości.
Modele boolowskie są również przykładami procesów stochastycznych zwanych procesami pokrycia. Powyższe modele można rozciągnąć z płaszczyzny ℝ 2 do ogólnej przestrzeni euklidesowej ℝ n .
Komponenty i krytyczność
W modelu Boolean-Poissona dyski mogą być izolowanymi grupami lub grupami dysków, które nie stykają się z żadnymi innymi grupami dysków. Te grudki są znane jako składniki. Jeśli powierzchnia (lub objętość w wyższych wymiarach) składnika jest nieskończona, mówi się, że jest to element nieskończony lub „gigantyczny”. Głównym celem teorii perkolacji jest ustalenie warunków, w których w modelach istnieją gigantyczne komponenty, co jest analogiczne do badania sieci losowych. Jeśli nie istnieje żaden duży komponent, mówi się, że model jest podkrytyczny. Warunki krytyczności gigantycznego komponentu w naturalny sposób zależą od parametrów modelu, takich jak gęstość leżącego u podstaw procesu punktowego.
Teoria obszaru wykluczonego
Wykluczony obszar umieszczonego obiektu jest definiowany jako minimalny obszar wokół obiektu, w którym nie można umieścić dodatkowego obiektu bez nakładania się na pierwszy obiekt. Na przykład w układzie losowo zorientowanych jednorodnych prostokątów o długości l , szerokości w i współczynniku kształtu r = l / w średni obszar wykluczony jest określony przez:
W układzie identycznych elips z półosiami a i b oraz stosunkiem r = za / b , a obwód C , średnia wykluczonych obszarów jest określona wzorem:
Teoria obszaru wykluczonego stwierdza, że krytyczna gęstość liczbowa (próg perkolacji) N c systemu jest odwrotnie proporcjonalna do średniej wykluczonej powierzchni A r :
Za pomocą symulacji Monte-Carlo wykazano, że próg perkolacji zarówno w jednorodnych, jak i niejednorodnych układach prostokątów lub elips jest zdominowany przez średnie wykluczone obszary i można go dość dobrze przybliżyć zależnością liniową
ze stałą proporcjonalności w zakresie 3,1–3,5.
Aplikacje
Zastosowania teorii perkolacji są różnorodne i sięgają od nauk materiałowych po systemy komunikacji bezprzewodowej . Często praca polega na wykazaniu, że w systemie zachodzi pewnego rodzaju przemiana fazowa .
Sieci bezprzewodowe
Sieci bezprzewodowe są czasami najlepiej reprezentowane za pomocą modeli stochastycznych ze względu na ich złożoność i nieprzewidywalność, stąd perkolacja kontinuum została wykorzystana do opracowania stochastycznych modeli geometrii sieci bezprzewodowych . Na przykład narzędzia teorii ciągłej perkolacji i procesy pokrycia zostały wykorzystane do badania zasięgu i łączności sieci czujników . Jednym z głównych ograniczeń tych sieci jest zużycie energii, gdzie zwykle każdy węzeł ma baterię i wbudowaną formę zbierania energii. Aby zmniejszyć zużycie energii w sieciach czujników, zasugerowano różne schematy uśpienia, które pociągają za sobą przejście podkolekcji węzłów w tryb uśpienia o niskim zużyciu energii. Te schematy snu oczywiście wpływają na zasięg i łączność sieci czujników. Zaproponowano proste modele oszczędzania energii, takie jak prosty nieskoordynowany model „migania”, w którym (w każdym przedziale czasu) każdy węzeł niezależnie wyłącza się (lub wyłącza) z pewnym ustalonym prawdopodobieństwem. Korzystając z narzędzi teorii perkolacji, przeanalizowano migający boolowski model Poissona w celu zbadania skutków opóźnienia i łączności tak prostego schematu zasilania.
Zobacz też
- Stochastyczne modele geometrii sieci bezprzewodowych
- Losowe wykresy
- Model Boole'a (teoria prawdopodobieństwa)