随机拥堵网络中无知对交通的益处
高能物理 - 唯象学
2025-10-21 v3 高能天体物理现象
高能物理 - 实验
摘要
当交通通过易拥堵网络路由时,个体用户自利决策通常不产生最优流。这种差异由所谓的"无序代价"量化。这里我们考虑当用户对网络中链路成本函数具有不确定知识时,自利用户产生的交通是变好还是变差,并定义一个平行概念称为"无知代价"。我们引入一个简单模型,其中快速拥堵链路和慢速不拥堵链路在大网络中随机混合,用户对描述每个链路的两种成本函数中的哪一种具有有限不确定性规划路线。我们的关键发现之一是,小水平的无知普遍改善交通,无论网络组成如何。此外,在我们的模型中存在无知的最优水平,使自利用户行为与最优解重合。我们模型的许多特征可以解析地理解,包括最优无知水平和在快速链路渗流阈值附近的临界标度,那里用户无知的潜在益处最大。
引用
@article{arxiv.2503.09685,
title = {Sub-GeV Dark Matter Direct Detection with Neutrino Observatories},
author = {Rebecca K. Leane and John F. Beacom},
journal= {arXiv preprint arXiv:2503.09685},
year = {2025}
}
备注
5+9 pages, 2 figures, lots of PMT hits. v3: version accepted in PRL