转载:http://www.bfcat.com/index.php/2012/04/rw_markov/
这几天在看一些使用到了随机游走的相关文献,整理一下常用的公式和性质
随机游走(random walk)矩阵可以看做是马尔科夫链的一种特例。对于一个图G的邻接矩阵A来说,A中的非零元素描述了图G中每一条边的权重(这里一般要求A的对角线为零)。这个权重描述了节点之间的相似性。如果我们对A进行按行归一化,即
一个随机游走矩阵对应的是一个遍历的马尔科夫链,也就是说任意两个状态之间都可以互相到达。从任意状态 at 出发,经过一步转移,下一时刻的概率为
马尔科夫链的基础矩阵定义为
1. 从状态i出发返回状态i的时间期望:
2. 从状态i出发,回到状态i之前,访问状态j的次数期望:
3. 从状态i出发,到达状态j的时间期望:
4. 从状态j出发,到达状态i之前,访问状态j的次数期望 (i≠j) :
5. 从状态i出发,到达状态l之前,访问状态j的次数期望 (i≠l) :
6. 从稳态出发,到达状态i的时间期望:
7. 从稳态出发,到达状态i之前,访问状态j的次数:
下面给出三个定理
1. 对状态 i≠j ,
2. 对状态 i≠l,j≠l ,
3. 对任意状态i,
和i无关。
注:上述标记中,上标的加号代表不计算初始时间,也就是如果从状态i出发经过n步回到状态i,那么