本頁只刊出中文翻譯與中文說明;英文原文請見下方原文連結。
原文連結
論文資訊
- 類型:已發表論文
- 日期:2022-09-02
摘要
我們研究了經典擴散,並添加了以下功能:每當粒子達到指定閾值時,擴散粒子就會重置為其起點。在無限域中,這個過程是非平穩的,其機率分佈表現出豐富的特徵。在有限域中,我們定義了一種非平凡的最佳化,其中每當粒子被重置時就會產生成本,並且當粒子停留在重置點附近時會獲得獎勵。我們推導出優化此系統淨收益的條件,即獎勵減去成本。
本頁只刊出中文翻譯與中文說明;英文原文請見下方原文連結。
我們研究了經典擴散,並添加了以下功能:每當粒子達到指定閾值時,擴散粒子就會重置為其起點。在無限域中,這個過程是非平穩的,其機率分佈表現出豐富的特徵。在有限域中,我們定義了一種非平凡的最佳化,其中每當粒子被重置時就會產生成本,並且當粒子停留在重置點附近時會獲得獎勵。我們推導出優化此系統淨收益的條件,即獎勵減去成本。