Політ Лева: Залікові випадки з законом степені

Одна зміна у випадковому ході

Звичайний випадковий хід обирає випадкове напрямки та довжину кроку, взяту з розподілу з кінцевою, добре керованою дисперсією – зазвичай гаусового. За багатьох кроків це створює знайомий, плавно вигинаючись шлях Броунівського руху, де середній відстань, що подолано, зростає із квадратомним коренем з кількості кроків і жоден окремий крок ніколи не домінує над усім траєкторією. Левіївський похід робить лише одну зміну: розподіл довжини кроку замінюється розподілом з важким хвостом степеня, і ця одна зміна достатньо для створення зовсім іншого вигляду руху – довгі проміжки невеликих, щільно скупчених кроків, перерваних раптовими, непропорційно великими стрибками.

Стабільність (альфа)

Розподіл кроків є степенним законом з регульованим параметром, стабільністю (або Леві) експонентою альфа, який зазвичай обмежується діапазоном 0 < альфа ≤ 2:

P(довжина кроку ≥ L) ~ L^(-альфа) для великих L

Альфа = 2 → хвостова частина достатньо тонка, щоб дисперсія була кінцевою → прогулянка точно перетворюється на звичайне Броунівський рух 1 < альфа < 2 → нескінченна дисперсія, важкий хвіст → рідкі дуже довгі стрибки домінують у загальному зміщенні Альфа → 1 → найважчий практичний хвіст, стрибки найбільш екстремальні Ключовий математичний факт полягає в тому, що для альфа < 2 розподіл довжини кроку має нескінченну дисперсію — не тому, що окремий крок безмежний, а тому, що зразок більшої кількості кроків, найбільший з них продовжує рости без встановлення фіксованого типового масштабу. Це саме те, що робить прогулянку схожою на фрактал і самоподібною: при збільшенні масштабу будь-якого кластеру коротких кроків статистично він нагадує весь шлях.

P(step length >= L)  ~  L^(-alpha)      for large L

alpha = 2   → tail thin enough that variance is finite
              → the walk reduces exactly to ordinary Brownian motion
1 < alpha < 2 → infinite variance, heavy tail
              → rare very long jumps dominate the total displacement
alpha → 1   → the heaviest practical tail, jumps most extreme

Чому гістограма виглядає як пряма лінія

Визначною ознакою розподілу з законом сили (power-law distribution) є те, що побудова діаграми частоти довжин кроків проти довжини кроків на логарифмічних координатах дає пряму лінію зі спадом −alpha. Гаусовий розподіл, побудований таким чином, різко згинається вниз, оскільки його хвіст експоненційно швидко падає, а не поліноміально — що й пояснює, чому екстремальні події значно рідше зустрічаються в гаусовому розподілі, ніж у розподілі з законом сили з однаковим середнім кроком. Цей логарифмічний тест прямої лінії є стандартним способом перевірки, на основі даних руху, чи відповідає траєкторія статистиці Леві-фліґту.

Чому леві-центрирований рух з’являється у поводженні тварин та оптимізації

Коли шукач розглядає розсіяні, випадково та непередбачувано розташовані цілі, і не має жодної інформації про їхнє місцезнаходження, леві-рух з альфа, близьким до 2, виявляється математично оптимальним: короткі кроки ретельно оглядають локальну область, а рідкісні довгі стрибки переміщують пошук у зовсім нову область замість того, щоб витрачати час на повторне відвідування вже оглянутих територій – стратегія значно ефективніша за чистого Броунівського руху (занадто локально повторювана) або фіксованого кроку (не враховує щільність пошукової зони) . Це теоретичний фундамент для звітів про леві-подібні моделі полювання у блукаючих альбатросів та інших хижаків, а також для леві-центрированих варіацій алгоритмів метагеометричної оптимізації, таких як Пошук Кукушки.

Frequently asked questions

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Levy Flight і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.