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
下一编辑→
复杂网络中的因果涌现
(查看源代码)
2024年11月9日 (六) 16:27的版本
添加131字节
、
2024年11月9日 (星期六)
→检验动力学的一致性
第151行:
第151行:
输入:微观网络<math>A</math>与宏观网络<math>B</math>;输出:动力学的不一致性(inconsistency)
输入:微观网络<math>A</math>与宏观网络<math>B</math>;输出:动力学的不一致性(inconsistency)
−
# 初始定义一个作为总的转移时间步<math>T</math>;初始化一个微观分布<math>
P_m
(0) </math>(分布长度和微观网络的大小一致,记为N),将分布中没有进行粗粒化的节点位置设为1,其余位置设为0;初始化一个宏观分布<math>
P_M
(0) </math>(分布长度和宏观网络的大小一致,记为M),同样将分布中还是原始微观网络中的节点位置设为1,其余位置设为0;基于网络<math>A</math>和<math>B</math>分别得到转移概率矩阵<math>T_A</math>和<math>T_B</math>,
+
# 初始定义一个作为总的转移时间步<math>T</math>;初始化一个微观分布<math>
S_m
(0) </math>(分布长度和微观网络的大小一致,记为N),将分布中没有进行粗粒化的节点位置设为1,其余位置设为0;初始化一个宏观分布<math>
S_M
(0) </math>(分布长度和宏观网络的大小一致,记为M),同样将分布中还是原始微观网络中的节点位置设为1,其余位置设为0;基于网络<math>A</math>和<math>B</math>分别得到转移概率矩阵<math>T_A</math>和<math>T_B</math>,
+
# 通过迭代T步,得到从1到T步的宏微观转移概率矩阵,<math>{T_A^i}_{i=1}^T</math>和<math>{T_B^i}_{i=1}^T</math>
#
#
相信未来
2,437
个编辑