---
title: "Itô 微积分 (Itô Calculus)"
created: 2026-06-17
updated: 2026-06-17
type: concept
tags: [mathematics, stochastic-processes, calculus, probability]
sources: [raw/papers/tiwari-ticks-to-flows-2026.md]
confidence: high
---

# Itô 微积分 (Itô Calculus)

Itô 微积分是处理**随机过程积分和微分**的数学框架，是 [[stochastic-differential-equation|SDE]] 理论的核心工具。它在 [[ticks-to-flows|Ticks-to-Flows]] 论文中扮演了从离散到连续的桥梁角色。

## Itô 积分

将确定性的 Riemann 积分推广到随机积分：

```
∫_0^t σ(X_l) dW_l
```

其中 `dW_l` 是 [[wiener-process|Wiener 过程]]的增量。不同于确定性积分，Itô 积分使用**左端点取值**：`σ(X_{t_j}) * (W_{t_{j+1}} - W_{t_j})`。

## Itô 引理 (Itô's Lemma)

随机版本的连锁法则（chain rule）——如果 `f(X_t)` 且 `X_t` 服从 SDE，则：

```
df(X_t) = f'(X_t) dX_t + (1/2) f''(X_t) σ(X_t)^2 dt
```

第二项（额外二阶项）是随机分析区别于确定性微积分的关键特征。

## Itô-Taylor 展开

在 [[ticks-to-flows|Tiwari et al. (2026)]] 的证明中，**Itô-Taylor 展开**被用于将状态随机变量 `s̃_{t,τ}` 表示为 NN 参数 `W^τ - W^0` 的多项式：

```
s̃_{t,τ} ≈ 多项式(W^τ - W^0)
```

这使得可以在梯度时间尺度上追踪状态分布的变化。

## 在 RL 理论中的应用

- 推导梯度步骤中状态分布的**瞬时变化方程**
- 证明**条件高斯极限**（结合 [[martingale-clt|鞅 CLT]]）
- 建立 [[two-time-scale-process|双时间尺度]] 过程的解析表达

## 参考

- [[stochastic-differential-equation|SDE]]
- [[wiener-process|维纳过程]]
- [[martingale-clt|鞅 CLT]]
- [[ticks-to-flows|Ticks to Flows]]