225
个编辑
更改
→马尔科夫链的简化
针对任意的状态硬划分，我们可以定义所谓的可聚类性（lumpability）的概念。可聚类性（Lumpability）是一种对聚类的衡量，这个概念最早出现在Kemeny, Snell在1969年的有限马尔科夫链（Finite Markov Chains）<ref name=":33">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。可聚类性（Lumpability）就是一个数学条件，用来判断“对于某一种硬分块的微观状态分组分案，是否对微观状态转移矩阵是可约简的”。不管状态空间按照哪一个硬分块方案做分类，它都有对应后续的对转移矩阵和概率空间的粗粒化方案<ref>Buchholz, Peter. "Exact and ordinary lumpability in finite Markov chains." ''Journal of applied probability'' 31.1 (1994): 59-75.</ref>。接下来，我们给出正式的定义。
针对任意的状态硬划分，我们可以定义所谓的可聚类性（lumpability）的概念。可聚类性（Lumpability）是一种对聚类的衡量，这个概念最早出现在Kemeny, Snell在1969年的有限马尔科夫链（Finite Markov Chains）<ref name=":33">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。可聚类性（Lumpability）就是一个数学条件，用来判断“对于某一种硬分块的微观状态分组分案，是否对微观状态转移矩阵是可约简的”。不管状态空间按照哪一个硬分块方案做分类，它都有对应后续的对转移矩阵和概率空间的粗粒化方案<ref>Buchholz, Peter. "Exact and ordinary lumpability in finite Markov chains." ''Journal of applied probability'' 31.1 (1994): 59-75.</ref>。接下来，我们给出正式的定义。
'''给定一个状态划分（state partition） <math>A=\{A_1, A_2, ... ,A_r\}</math>'''，我们能够用下列公式描述一个马尔科夫链的聚类过程(lumped process)，且这个转移概率对任何初始状态(starting vector) <math> \pi </math> 都是一样的：{{NumBlk|:|
给定一个状态划分（state partition） '''<math>A=\{A_1, A_2, ... ,A_r\}</math>'''，我们能够用下列公式描述一个马尔科夫链的聚类过程(lumped process)，且这个转移概率对任何初始状态(starting vector) <math> \pi </math> 都是一样的：{{NumBlk|:|
<math>
<math>
\begin{aligned}
\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^{(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}
\end{aligned}
</math>
</math>
|{{EquationRef|3}}}}
|{{EquationRef|3}}}}
这里定义<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>，<math>S \rightarrow A</math>是硬分组的映射关系，定义<math>A^{(t)}</math>表示系统在<math>t</math>时刻的宏观状态。
假设'''<math>A</math>'''是马尔科夫链的状态空间集合，'''<math>A_1, A_2, ... ,A_r</math>'''为聚类后集合中的不同子集，判断一个马尔科夫链对该划分方法 '''<math>A=\{A_1, A_2, ... ,A_r\}</math>''' 是有效聚类的充分必要条件为：
假设'''<math>A</math>'''是马尔科夫链的状态空间集合，'''<math>A_1, A_2, ... ,A_r</math>'''为聚类后集合中的不同子集，判断一个马尔科夫链对该划分方法 '''<math>A=\{A_1, A_2, ... ,A_r\}</math>''' 是有效聚类的充分必要条件为：