更改

马尔科夫链的粗粒化 (查看源代码)

2024年10月16日 (三) 21:55的版本

删除583字节、 2024年10月16日 (星期三)

第114行：第114行：

这个概念最早出现在Kemeny, Snell在1969年的Finite Markov Chains<ref name=":3">Kemeny, John G., and J. Laurie Snell. ''Finite markov chains''. Vol. 26. Princeton, NJ: van Nostrand, 1969. https://www.math.pku.edu.cn/teachers/yaoy/Fall2011/Kemeny-Snell_Chapter6.3-4.pdf</ref>中。

−

首先定义<math>~~f_t~~</math>表示系统在<math>t</math>时刻的微观状态，微观状态空间为<math>S=\{s_1, s_2, ... ,s_n\}</math>。

+

首先定义<math>s^{(t)}</math>表示系统在<math>t</math>时刻的微观状态，微观状态空间为<math>S=\{s_1, s_2, ... ,s_n\}</math>。

−

给定一个state partition <math>A=\{A_1, A_2, ... ,A_r\}</math>，也可以把其理解为宏观的状态空间，<math>S \rightarrow A</math>是一个离散的多对一的映射关系(hard partition)。

+

给定一个state partition <math>A=\{A_1, A_2, ... ,A_r\}</math>，也可以把其理解为宏观的状态空间，<math>S \rightarrow A</math>是一个离散的多对一的映射关系(hard partition)，定义<math>A^{(t)}</math>表示系统在<math>t</math>时刻的宏观状态。

对于一个给定的state partition <math>A</math>，当下列公式对任何微观初始状态(starting vector) <math> \pi </math> 都保持一致时，<math>A</math>是一个lumpable partition：

第123行：第123行：

<math>

\begin{aligned}

−

&Pr_{\pi}[~~f_0~~ \in A_i] \\

+

&Pr_{\pi}[s^{(0)} \in A_i] \\

−

&Pr_{\pi}[~~f_1~~ \in A_j | ~~f_0~~ \in A_i] \\

+

&Pr_{\pi}[s^{(1)} \in A_j | s^{(0)} \in A_i] \\

−

&Pr_{\pi}[~~f_t~~ \in A_m |f_{t-1} \in A_k, ... , ~~f_1~~ \in A_j, ~~f_0~~ \in A_i] = Pr_{\pi}[~~f_t~~ \in A_m |f_{t-1} \in A_k]

+

&Pr_{\pi}[s^{(t)} \in A_m | s^{(t-1)} \in A_k, ... , s^{(1)} \in A_j, s^{(0)} \in A_i] = Pr_{\pi}[s^{(t)} \in A_m | s^{(t-1)} \in A_k]

\end{aligned}

</math>

|{{EquationRef|3}}}}

−

字面意思上，这三个公式表达的是：(1) 在<math>t</math>时刻的<math>f_t</math>等于<math>s_i</math>并属于<math>A_k</math>的概率；(2) 当<math>t</math>时刻的<math>f_t</math>等于<math>s_i</math>并属于<math>A_k</math>时，下一时刻的<math>f_{t+1}</math>等于<math>s_j</math>并属于<math>A_m</math>的概率；(3)马尔可夫性。

+

这两个公式实际上描述了以下内容：

−

这里强调考虑所有的初始状态<math>\pi</math>的意思是：(1) 任意时刻任意微观状态<math>s_i</math>属于<math>A_k</math>的概率都是一样的；(2) 当任意时刻任意<math>s_i</math>属于<math>A_k</math>时，下一时刻的微观状态<math>s_j = P s_i</math>属于<math>A_m</math>的概率也要求是一样的。

−

~~这三个公式实际上描述了以下内容：~~

系统在时间<math>t</math>处于某个特定微观状态<math>s_i</math>，并且这个状态属于某个宏观状态<math>A_k</math>的概率；

第151行：第146行：

公式首先描述了系统的宏观状态的转移概率<math>Pr_{\pi}[A_m | A_k]</math>，整体可以看作是宏观动力学（路径1）。

−

同时，整个表达式也包含了路径2的元素，其中<math>\pi</math>为微观初始状态，<math>\{~~f_0~~,\ ~~f_1~~,\ ...\ ,\ ~~f_t~~\}</math>为微观动力学（微观动力学的演化过程在这里被省略了），而<math>~~f_t~~ \in A_m</math>代表了从微观状态到宏观状态的聚类过程。

+

同时，整个表达式也包含了路径2的元素，其中<math>\pi</math>为微观初始状态，<math>\{s^{(0)},\ s^{(1)},\ ...\ ,\ s^{(t)}\}</math>为微观动力学（微观动力学的演化过程在这里被省略了），而<math>s^{(t)} \in A_m</math>代表了从微观状态到宏观状态的聚类过程。

Liangjh

97

个编辑