Ergodic Maximizing Measures of Non-Generic, Yet Dense Continuous Functions
Ergodic Maximizing Measures of Non-Generic, Yet Dense Continuous Functions
复制标题
非泛型密集连续函数的遍历最大化测度
DOI：
--
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
M. Shinoda
中科院分区：
文献类型：
--
作者：
M. Shinoda
遍历优化的目的是挑选出动态不变的博雷尔概率措施，最大限度地提高了一个给定的“性能”函数的积分。对于紧致度量空间的连续自映射和连续性能函数的稠密集，我们证明了存在不可数个遍历极大化测度。我们还证明了，对于一个有限型拓扑混合子移位和一个连续函数的稠密集，存在不可数的遍历极大化测度，这些测度是完全支持的且具有正熵.
Ergodic optimization aims to single out dynamically invariant Borel probability measures which maximize the integral of a given "performance" function. For a continuous self-map of a compact metric space and a dense set of continuous performance functions, we show that the existence of uncountably many ergodic maximizing measures. We also show that, for a topologically mixing subshift of finite type and a dense set of continuous functions there exist uncountably many ergodic maximizing measures which are fully supported and have positive entropy.
(-β)-位移的不变测度的一般性质
DOI：
--
发表时间：
2018
期刊：
影响因子：
--
作者：
中島優世;大江日南子;大川万里生;菱田智子;大林和重;堀場弘司;保井晃;高木康多;池永英司;齋藤智彦;Katsutoshi Shinohara;R. Willox;根本祐一，佐藤晴耕，赤津光洋，後藤輝孝，栗原綾佑，三本啓輔，小林義明，佐藤正俊;山本謙一郎
通讯作者：
山本謙一郎