Issue |
ESAIM: Procs
Volume 60, 2017
Journées MAS 2016 de la SMAI – Phénomènes complexes et hétérogènes
|
|
---|---|---|
Page(s) | 266 - 275 | |
DOI | https://doi.org/10.1051/proc/201760266 | |
Published online | 14 December 2017 |
Deterministic walk on Poisson point process
Laboratoire Paul Painlevé Université Lille 1
A deterministic walk on a Poisson point process in Rd is an oriented graph where each point of the process is connected to only one other point following a deterministic and stationary rule of connection. In the paper we investigate the absence of percolation for such graphs and our main result is based on two assumptions. The Loop assumption ensures that any forward branch of the graph merges on a loop provided that the Poisson point process is augmented with a finite collection of well-chosen points. The Shield assumption ensures that the graph is locally determined with possible random horizons. Among the models which satisfy these general assumptions and inherit in consequence the finite cluster property, we focus on the deterministic walk to the k-th neighbour, with k any integer greater than one.
Résumé
Une marche déterministe sur un processus ponctuel de Poisson de Rd consiste à connecter chaque point du processus à un et un seul autre en suivant une règle déterministe invariante par translation. Dans ce papier, nous donnons un résultat général d’absence de composante connexe infinie pour de tels graphes dès que le modèle vérifie deux hypothèses. La première hypothèse, appelée hypothèse Loop, garantit que les branches descendantes du graphe finissent par boucler du moment qu’une collection bien choisie de points est ajoutée au processus initial. La seconde, appelée hypothèse Shield, assure que le graphe est déterminé localement avec éventuellement un horizon de détermination aléatoire. Parmi tous les modèles satisfaisant ces deux hypothèses nous nous intéressons tout particulièrement à la marche déterministe au k-ième plus proche voisin, avec k un entier plus grand que un.
© EDP Sciences, SMAI 2017
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by/4.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.
Current usage metrics show cumulative count of Article Views (full-text article views including HTML views, PDF and ePub downloads, according to the available data) and Abstracts Views on Vision4Press platform.
Data correspond to usage on the plateform after 2015. The current usage metrics is available 48-96 hours after online publication and is updated daily on week days.
Initial download of the metrics may take a while.