5,443
个编辑
更改
跳到导航
跳到搜索
第418行：
第418行： − + − +
→附录：由布尔网络动力学转换为马尔科夫链的TPM的代码
# 遍历当前时刻每个微观态i，遍历下一时刻每个微观态j，计算i->j的转移概率<math>P_{ij}</math>
# 遍历当前时刻每个微观态i，遍历下一时刻每个微观态j，计算i->j的转移概率<math>P_{ij}</math>
## 遍历每个节点n，获取它的父节点及其状态。
## 遍历每个节点n，获取它的父节点及其状态。
## 根据微观动力学机制，计算下一时刻节点n状态为1的概率<math>p1</math>，状态为0的概率即为<math>1-p1</math>
## 根据微观动力学机制，计算下一时刻节点n状态为1的概率<math>p_1</math>，状态为0的概率即为<math>1-p_1</math>
## 获取微观态j中节点n的状态next_state，节点n转移概率即为<math>p(n) = p * next_state + (1-p) * (1-next_state)</math>
## 获取微观态j中节点n的状态next_state，节点n转移概率即为<math>p(n) = p_1 * next_state + (1-p_1) * (1-next_state)</math>
## 各节点的转移概率相互独立，因此<math>P_{ij} = \prod_{n=1}^{N} p(n)</math>
## 各节点的转移概率相互独立，因此<math>P_{ij} = \prod_{n=1}^{N} p(n)</math>
# 行归一化<math>P</math>并输出
# 行归一化<math>P</math>并输出