A study of interacting stochastic networks : large scale, long time behavior and fluctuations, with applications in communication networks and protein polymerization
Etude des réseaux stochastiques en interaction : à grande échelle, comportements en temps long et fluctuations, avec des applications dans les réseaux de communication et la polymérisation des protéines
Abstract
This PhD document is devoted to the analyses of large stochastic networks used to study mathematical models in communication networks and in biology. The first part consists of the analysis of three models used to evaluate the efficiency of duplication and placement algorithms in large distributed systems. These models are represented by large stochastic networks under different scaling regimes assumptions. In Chapter 2, the dynamic of the system can be described with the empirical measure associated to a multi-dimensional transient Markov process. We provide a detailed study of these processes on several fast time scales. Stochastic averaging principles with multiple time scales are investigated in particular. In Chapter 3 and Chapter 4, the interactions have unbounded jump sizes and occur within a limited random set of nodes. We develop a convenient mean field analysis in despite that the associated empirical measures do not have autonomous evolution equations. We also study the long time behavior of the corresponding limiting nonlinear jump diffusions. The second part analyzes two models used to study the variability in the polymerization phenomena occurring in a biological context. In Chapter 5, we investigate the polymerization and fragmentation processes with an assumption of critical nucleus size. A scaling analysis of these stochastic models show that the sharp phase transition and, especially the large variance, observed in the experiments can be explained by these models. In Chapter 6, we provide a functional central limit theorem in the classical (infinite dimensional) stochastic Becker-Döring model.
Ce document est consacré aux analyses de grands réseaux stochastiques utilisés pour étudier des réseaux de communication et ainsi que certains phénomènes biologiques. La première partie se compose de trois modèles pour évaluer l’efficacité des algorithmes de duplication et de placement dans les grands systèmes distribués. Au chapitre 2, la dynamique du système est décrite l’aide de la mesure empirique associée à un processus de transient multidimensionnel. Une étude détaillée de ces processus est effectuée sur plusieurs échelles de temps rapides. Des principes de moyenne stochastique avec plusieurs échelles de temps sont étudiées. Aux chapitres 3 et 4, les interactions considérées peuvent avoir des tailles de saut illimitées et se produire dans un ensemble aléatoire fini de nœuds. Le processus de la mesure empirique associé n’ayant pas d’équations d’évolution simples, nous développons une analyse de champ moyen spécifique pour étudier ces systèmes. Le comportement en temps long des processus de diffusions non linéaires correspondants est aussi analysé. La deuxième partie présente deux modèles pour étudier la variabilité dans les modèles de polymérisation. Dans le chapitre 5, nous étudions les processus de polymérisation et de fragmentation avec l’hypothèse d’un noyau critique pour la taille des polymères. Notre résultat montre que ces modèles semblent donner une explication raisonnable de la transition de phase courte du phénomène de polymérisation, et surtout de la grande variabilité de l’instant de transition, qui ont été observés dans de nombreuses expériences. Au chapitre 6, nous proposons un théorème de limite centrale fonctionnelle dans le modèle de Becker-Döring.
Keywords
Domains
Dynamical Systems [math.DS]Origin | Version validated by the jury (STAR) |
---|
Loading...