We develop a unified theoretical framework for target-search first-passage problems under event-driven threshold resetting (TR), derive an exact MFPT expression for N independent searchers with collective resets, and show nontrivial optimization of MFPT and a trade-off with resetting cost for both ballistic and diffusive searchers
| Cost term | Definition |
|---|---|
| ⟨T_N^TR(u)⟩ | Mean completion time under TR |
| β N ⟨N_TR(u,N)⟩ | Resetting penalty proportional to resets per particle |
元数据与概览(引言与报告概览)
逐节深度解读
图表深度解读(包含图片展示)
图 1(示意图):
图示说明了 N=3 时 TR 机制的空间—时间示意:三条虚线轨迹分别可能触及阈值 L(导致立刻所有粒子回到 x0)或到达目标 x=0 而结束搜索。图中明确表示完成时间记为 T_N^{TR}(L,x0)。图强调“事件驱动的集体重置”以及信息瞬时传播的假设,这些都是后续推导的关键建模假设。
图 2(弹道搜索 MFPT 可视化):
图 2(a) 为三维曲面,展示缩放后的 MFPT <\overline{T}_N^{TR}(u)>(log尺度)关于 u 与 N 的变化,明显显示对 N≥4 的非单调区间(局部极值)与 u=1 的全局极小值趋势;图 2(b) 对 N=7 提供了横截面并叠加了 MFPT 的分解成分(平均重置次数 <N_TR>、平均重置间隔时间 <\overline{\mathbb{T}}^{TR}>、以及无重置条件下的第一到达时间 <\overline{\mathbb{T}}^{FP}>),并以模拟结果交叉验证解析结果。图中不同 u 值对应的轨迹示例(四个小面板)直观展示了:当 u 非常小(阈值远)时某些轨迹“几乎一直向外漂”造成长时间;中间 u 值展示局部极小与极大时的典型轨迹;u≈1 时轨迹显示频繁但瞬时的重置事件,成功事件来自少数向内的速度配置。该图综合支持解析结论。
图 3(成本函数 C_N(u)):
图显示成本函数 C_N(u)=<\overline{T}_N^{TR}(u)> + β N <N_TR(u,N)>(式(12))随 u 的变化并在 N=3, β=1 的例子中存在内在最小值 u(图中以星号标示), inset 给出 u 随 N 的演化。该图展示了 MFPT 的全局最优(u→1)与成本最优(u* < 1)之间的显著差异:当重置成本 βN 足够高时,频繁靠近阈值的重置(u→1)尽管可最小化 MFPT,却会因重置次数过多而增大总成本,从而产生折衷最优 u*。
图 4(扩散搜索 MFPT):
图 4 展示了扩散搜索器情形下的缩放 MFPT 对 u 的曲线(不同 N 的曲线和基准线表示无阈值时的 MFPT);关键观察包括:对于 N=1,2 在无 TR 情形下 MFPT 发散,但引入 TR 可降低 MFPT;对于 N≥3,TR 在某些中间 u 处能将 MFPT 降至无 TR 的基准以下,说明 TR 对扩散搜索者同样能提高效率;曲线通常在 u→1 处下降但也可能在中间产生局部极值,取决于 N。图中点线对应模拟结果,显示理论与数值吻合良好。该图与弹道情形一起表明 TR 是稳健的加速机制。等式与谱展开用于求解单粒子的传播子 G(x,t|x0) 与由此得到的 Q(u,t) 与 j(u,t) 表达式是理论精度的基础。
图表中潜在限制与数据解读细节
估值/成本函数分析(对应金融式的“代价-收益”折衷)
风险因素评估与模型局限
批判性视角与建议(基于文内内容)
结论性综合(关键发现与图表得出之深刻见解)
参考(本文所分析材料的页码引用说明)
2504.13501.pdf