5,443
个编辑
更改
→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。
## 获取微观态j中节点n的状态next_state，根据微观动力学机制，计算下一时刻节点n状态为next_state的概率<math>p(n)</math>
## 获取微观态j中节点n的状态next_state，根据父节点状态，应用微观动力学机制，计算下一时刻节点n状态为next_state的概率<math>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>
## 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