更改

无编辑摘要
第11行: 第11行:  
为理解成块性(lumpability)的重要性,我们通过一个反例来揭示不满足成块性的粗粒化方案的缺陷。给定图中的马尔科夫链,我们尝试将状态{1,2}合并为宏观态<math>A</math>,{3,4}合并为<math>B</math>。
 
为理解成块性(lumpability)的重要性,我们通过一个反例来揭示不满足成块性的粗粒化方案的缺陷。给定图中的马尔科夫链,我们尝试将状态{1,2}合并为宏观态<math>A</math>,{3,4}合并为<math>B</math>。
   −
[[文件:非一致性示例.png|居中|700像素|图1:不满足一致性马尔科夫链示例]]
+
[[文件:非一致性示例.png|缩略图|居中|700像素|图1:不满足一致性马尔科夫链示例]]
    
当我们构建粗粒化后的<math>2\times 2</math>的宏观马尔科夫链<math>P'</math>时,分组A到分组B的概率应满足:从<math>A</math>中'''任一微观态出发''',转移到<math>B</math>的总概率必须相同。
 
当我们构建粗粒化后的<math>2\times 2</math>的宏观马尔科夫链<math>P'</math>时,分组A到分组B的概率应满足:从<math>A</math>中'''任一微观态出发''',转移到<math>B</math>的总概率必须相同。
第43行: 第43行:  
对于一个给定的状态划分(state partition) <math>A=\{A_1, A_2, ... ,A_r\}</math>,我们可以将其视为宏观状态空间。微观状态空间<math>S</math> 和 宏观状态空间<math>A</math> 之间存在硬性划分映射关系<math>\Phi:S \rightarrow A</math>为:<math>A_i \in S, A_i \neq \empty, A_i \cap A_j = \empty , \forall i, j, \cup_i A_i = S</math>,满足以下条件:1. <math>A</math>中的每个元素<math>A_i</math>包括若干个<math>s_i</math>;2. <math>A_i</math>和<math>A_j</math>之间没有交集,即每个<math>s_i</math>只能属于一个<math>A_i</math>;3. <math>S</math>中的每个元素都必须属于某个<math>A</math>的元素,即<math>A</math>覆盖了<math>S</math>。
 
对于一个给定的状态划分(state partition) <math>A=\{A_1, A_2, ... ,A_r\}</math>,我们可以将其视为宏观状态空间。微观状态空间<math>S</math> 和 宏观状态空间<math>A</math> 之间存在硬性划分映射关系<math>\Phi:S \rightarrow A</math>为:<math>A_i \in S, A_i \neq \empty, A_i \cap A_j = \empty , \forall i, j, \cup_i A_i = S</math>,满足以下条件:1. <math>A</math>中的每个元素<math>A_i</math>包括若干个<math>s_i</math>;2. <math>A_i</math>和<math>A_j</math>之间没有交集,即每个<math>s_i</math>只能属于一个<math>A_i</math>;3. <math>S</math>中的每个元素都必须属于某个<math>A</math>的元素,即<math>A</math>覆盖了<math>S</math>。
   −
[[文件:Lumpable矩阵粗粒化示例.png|居中|700像素|图2:矩阵粗粒化示例]]我们考虑马尔科夫过程的线性投影,因此<math>\Phi</math>是一个<math>\{0,1\}^{n \times r}</math>的投影矩阵。对于任意 <math>\Phi</math>,我们可以定义一个'''简化过程(lumped process)''',<math>\{A^{(t)}: A^{(t)} = s^{(t)} \Phi \}</math>,即通过投影矩阵<math>\Phi</math>将微观的动力学轨迹<math>s^{(t)}</math>投影到宏观状态空间<math>A</math>上。
+
[[文件:Lumpable矩阵粗粒化示例.png|缩略图|居中|700像素|图2:矩阵粗粒化示例]]我们考虑马尔科夫过程的线性投影,因此<math>\Phi</math>是一个<math>\{0,1\}^{n \times r}</math>的投影矩阵。对于任意 <math>\Phi</math>,我们可以定义一个'''简化过程(lumped process)''',<math>\{A^{(t)}: A^{(t)} = s^{(t)} \Phi \}</math>,即通过投影矩阵<math>\Phi</math>将微观的动力学轨迹<math>s^{(t)}</math>投影到宏观状态空间<math>A</math>上。
    
例如图(2)所示的4状态马尔科夫链,选择投影矩阵<math>\Phi  = \left ( \begin{array}{cc} 1 & 0 \\ 1 & 0 \\ 0 & 1 \\ 0 & 1 \end{array} \right )</math>时,微观状态序列<math>\{ s_1, s_3, s_4, s_2, s_2, s_3  \}</math>在被分组后的状态上就表现为序列:<math>\{ A_1, A_2, A_2, A_1, A_1, A_2  \}</math>。
 
例如图(2)所示的4状态马尔科夫链,选择投影矩阵<math>\Phi  = \left ( \begin{array}{cc} 1 & 0 \\ 1 & 0 \\ 0 & 1 \\ 0 & 1 \end{array} \right )</math>时,微观状态序列<math>\{ s_1, s_3, s_4, s_2, s_2, s_3  \}</math>在被分组后的状态上就表现为序列:<math>\{ A_1, A_2, A_2, A_1, A_1, A_2  \}</math>。
812

个编辑