2,437
个编辑
更改
→检验动力学的一致性
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>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>，
# 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>
# 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>
#
#