可变时间步长下一维粒子仿真随机运动的正确缩放方法

问题核心成因 #

你当前的实现中，粒子单步位移与delta线性成正比，导致总位移的方差和delta正相关：

• 单步均匀分布在[-max_speed*delta, max_speed*delta]区间，单步方差为 (max_speed² * delta²)/3
• 总仿真时长T = iters * delta，总步数为iters = T/delta，总位移方差为 iters * 单步方差 = T * max_speed² * delta /3
• 相同总时长T下，delta越大总方差越高，因此粒子更容易远离初始位置。

修正方案 #

修正的核心逻辑是让单步位移和sqrt(delta)成正比，保证总位移方差仅和总时长相关，和delta无关。根据是否需要严格限制粒子最大速度，分为两种实现：

方案1：保留最大速度硬约束 #

如果要求粒子任意时刻的瞬时速度都不能超过max_speed，可以对单步位移做截断归一化，代码如下：

import random
import math

def simulate_particle(max_speed, delta, iters):
    current_position = 0
    positions = [current_position]
    seconds = [0]
    # 归一化步长，保证总扩散仅和总时长相关
    normalized_step = max_speed * math.sqrt(delta)
    # 严格限制瞬时速度不超过max_speed，单步最大位移不能超过max_speed*delta
    max_allowed_step = min(normalized_step, max_speed * delta)
    for frame in range(1, iters+1):
        current_position += max_allowed_step * random.uniform(-1, 1)
        positions.append(current_position)
        seconds.append(frame * delta)
    return positions, seconds

方案2：标准布朗运动实现（无硬速度约束） #

如果不需要严格限制瞬时最大速度，仅要求不同delta下粒子运动的统计特性完全一致，可以直接用标准维纳过程（布朗运动）的步长缩放规则，该方案是随机运动仿真的通用实现：

import random
import math

def simulate_particle(max_speed, delta, iters):
    current_position = 0
    positions = [current_position]
    seconds = [0]
    # 扩散系数设置为max_speed/3，保证99.7%的瞬时速度样本不超过max_speed
    diffusion_coeff = max_speed / 3
    for frame in range(1, iters+1):
        # 维纳过程步长按sqrt(delta)缩放，总扩散和delta无关
        step = random.gauss(0, 1) * diffusion_coeff * math.sqrt(delta)
        current_position += step
        positions.append(current_position)
        seconds.append(frame * delta)
    return positions, seconds

效果验证 #

使用你提供的测试代码运行上述任意一个修正后的实现，都可以看到三种不同delta参数下的粒子扩散范围完全一致，不再出现delta越大粒子越容易远离初始位置的问题。

内容的提问来源于stack exchange，提问作者jfaccioni