马尔科夫链与状态转移矩阵中的稳态概率算法

最新推荐文章于 2024-09-03 18:55:49 发布

冬眠的关刀

最新推荐文章于 2024-09-03 18:55:49 发布

阅读量1w

点赞数 1

分类专栏：决策系统底层算法

本文链接：https://blog.csdn.net/AiTanXiing/article/details/106466607

版权

决策系统底层算法专栏收录该内容

1 篇文章 2 订阅

订阅专栏

本文探讨了状态转移矩阵的概念及其在计算稳态概率中的应用。通过迭代计算，我们能够找到状态转移矩阵的稳态概率，即系统长期运行后的稳定状态。稳态概率的存在依赖于状态转移矩阵的特性，当矩阵减去单位矩阵后的秩小于矩阵维数时，稳态概率存在。

摘要由CSDN通过智能技术生成

	状态转移矩阵A=[[0.9,0.05,0.05],[0.1,0.8,0.1],[0.1,0.15,0.75]]
    阶段n步=状态转移矩阵A
    阶段n1步=np.dot(状态转移矩阵A,状态转移矩阵A)
    while not (阶段n步 == 阶段n1步).all():
        阶段n步 = 阶段n1步
        阶段n1步 = np.dot(阶段n1步,状态转移矩阵A)
    print(阶段n步)