更改

# 迭代T步，得到从1到T步的宏微观转移概率矩阵，<math>\{T_A^t\}_{t=1}^T</math>和<math>\{T_B^t\}_{t=1}^T</math>

# 迭代T步，得到从1到T步的宏微观转移概率矩阵，<math>\{T_A^t\}_{t=1}^T</math>和<math>\{T_B^t\}_{t=1}^T</math>

# 迭代1到T

# 迭代1到T

## <math>S_m(t) = (T_A^t)^T  S_m(0)</math>, 初始化一个长度为Z+1的分布<math>P_m(t) </math>, 其中<math>P_m(t) </math>的前Z个位置的数值等于<math>S_m(t)</math>中对应的Z个没有进行粗粒化的节点位置的值，<math>P_m(t) </math>中的第Z+1位置的数值等于<math>1-\sum_{i=1}*Z p^i_m(t) </math>

## <math>S_m(t) = (T_A^t)^T  S_m(0)</math>, 初始化一个长度为Z+1的分布<math>P_m(t) </math>, 其中<math>P_m(t) </math>的前Z个位置的数值等于<math>S_m(t)</math>中对应的Z个没有进行粗粒化的节点位置的值，<math>P_m(t) </math>中的第Z+1位置的数值等于<math>1-\sum_{i=1}^Z p^i_m(t) </math>

## <math>S_M(t) = (T_B^t)^T  S_M(0)</math>,  

## <math>S_M(t) = (T_B^t)^T  S_M(0)</math>,  

实验发现，针对[[偏好依附网络]]来说，在不同节点规模以及参数下的粗粒化后的宏观网络的不一致性会随着迭代步数的增加都会收敛到0。

实验发现，针对[[偏好依附网络]]来说，在不同节点规模以及参数下的粗粒化后的宏观网络的不一致性会随着迭代步数的增加都会收敛到0。