打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←上一编辑
基于马尔科夫链的流网络分析
(查看源代码)
2025年1月18日 (六) 09:44的版本
删除6字节
、
2025年1月18日 (六) 09:44
无编辑摘要
第13行:
第13行:
i到j的总流记为:<math>t_{i,j}=T_0\frac{u_{0,i}u_{i,j}}{u_{i,i}}</math>。
i到j的总流记为:<math>t_{i,j}=T_0\frac{u_{0,i}u_{i,j}}{u_{i,i}}</math>。
−
i到j的首达流记为:<math> \phi_{i,j}=T_0 \frac{u_{0,i}u_{i,j}}{u_{i,i}u_{j,j}}</math>。 其中T<sub>0</sub>为从源输入到整个网络的流量,也就是IS(参看[[
流动网络
]])。根据这两个公式,可以计算任意网络任意节点对的总流和首达流。
+
i到j的首达流记为:<math> \phi_{i,j}=T_0 \frac{u_{0,i}u_{i,j}}{u_{i,i}u_{j,j}}</math>。 其中T<sub>0</sub>为从源输入到整个网络的流量,也就是IS(参看[[
流网络
]])。根据这两个公式,可以计算任意网络任意节点对的总流和首达流。
i到j的平均时间:<math>k_{i,j}=\frac{(MU^2)_{ij}}{(MU)_{ij}}</math>
i到j的平均时间:<math>k_{i,j}=\frac{(MU^2)_{ij}}{(MU)_{ij}}</math>
第27行:
第27行:
对于平衡流动来说,我们总可以将整个流系统看作是一个多粒子沿着网络流动的系统。例如,对于图1所示网络,当某个处于1号节点的粒子往外流动的时候,它可能会跳到2号节点,也可能会跳到3号节点。可以想到,由于1到2号节点的流量比到3号的节点大,所以这个粒子更有可能跳到2号节点。我们不妨假设粒子跳转到某个节点的概率是与这条边上的流量成正比的。也就是说,粒子会以5/8=50/80的概率从1跳到2,而以3/8=30/80的概率从1到3。同样的道理,当粒子跳入到任何一个节点后,它都会继续沿着边以概率跳转。
对于平衡流动来说,我们总可以将整个流系统看作是一个多粒子沿着网络流动的系统。例如,对于图1所示网络,当某个处于1号节点的粒子往外流动的时候,它可能会跳到2号节点,也可能会跳到3号节点。可以想到,由于1到2号节点的流量比到3号的节点大,所以这个粒子更有可能跳到2号节点。我们不妨假设粒子跳转到某个节点的概率是与这条边上的流量成正比的。也就是说,粒子会以5/8=50/80的概率从1跳到2,而以3/8=30/80的概率从1到3。同样的道理,当粒子跳入到任何一个节点后,它都会继续沿着边以概率跳转。
−
我们可以写出这个网络所对应的流矩阵(参见[[
流动网络
]])如下:
+
我们可以写出这个网络所对应的流矩阵(参见[[
流网络
]])如下:
Taoruyi
102
个编辑