更改

复杂网络中的因果涌现 (查看源代码)

2024年11月9日 (六) 17:30的版本

删除12字节、 2024年11月9日 (星期六)

第149行：第149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）

−

# ~~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（分布中值为1的数量为Z），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>W_A</math>和<math>W_B</math>，

+

# 初始定义总的转移时间步<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（分布中值为1的数量为Z），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>W_A</math>和<math>W_B</math>，

# 迭代T步，得到从1到T步的宏微观转移概率矩阵：<math>\{W_A^t\}_{t=1}^T</math>和<math>\{W_B^t\}_{t=1}^T</math>

# 迭代1到T

相信未来

2,437

个编辑