随机游走(Random Walk)算法

最新推荐文章于 2024-03-26 10:16:57 发布
最新推荐文章于 2024-03-26 10:16:57 发布
阅读量6.8w 收藏 218
点赞数 40
分类专栏： 算法 文章标签： 算法 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43186282/article/details/114585885
版权

随机游走

  • 英文：random walk

  • 定义：随机游走，概念接近于布朗运动，是布朗运动的理想数学状态。

  • 核心概念：任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律。

  • 随机游走算法的基本思想是:
    从一个或一系列顶点开始遍历一张图。在任意一个顶点，遍历者将以概率1-a游走到这个顶点的邻居顶点，以概率a随机跳跃到图中的任何一个顶点，称a为跳转发生概率，每次游走后得出一个概率分布，该概率分布刻画了图中每一个顶点被访问到的概率。用这个概率分布作为下一次游走的输入并反复迭代这一过程。当满足一定前提条件时，这个概率分布会趋于收敛。收敛后，即可以得到一个平稳的概率分布。

随机游走过程

一维的随机游走可定义如下： 每过一个单位时间，游走者从数轴位置x出发以固定概率随机向左或向右移动一个单位.
不妨将n时刻游走者的位置记为Ln,则有
在这里插入图片描述
其中X1,X2,…,Xn为相互独立的随机变量，满足
在这里插入图片描述

  • 最经典的一维随机游走问题有赌徒输光问题和酒鬼失足问题。

（1）赌徒在赌场赌博，赢的概率是p，输的概率1-p，每次的赌注为1元，假设赌徒最开始时有赌金1元，赢了赌金加1元，输了赌金减1元。问赌徒输光的概率是多少？
（2）一个醉鬼行走在一头是悬崖的道路上，酒鬼从距离悬崖仅一步之遥的位置出发，向前一步或向后退一步的概率皆为1/2，问酒鬼失足掉入悬崖的概率是多少？

**

一维有边界的随机游走问题

**

  • 下面先对一维双边界随机游走问题进行求解：
  • 设初始位置为
    x=n，边界为x=0和x=w，其中0<=n<=w，n、w为整数。游走者每个单位时间移动一次，向左、向右移动的概率都为1/2，达到边界后停止移动。

若用Sn表示初始位置为x=n时最终落入边界x=0的概率。显然我们会有S0=1和Sw=0，即初始位置为边界的情况。
若0<n<w，则考虑其下一次移动。有1/2的概率向左到达 n-1，有1/2的概率向右到达n+1。 则由全概率公式可得，
在这里插入图片描述
整理得到
在这里插入图片描述
利用
在这里插入图片描述
可得
在这里插入图片描述
累加法可得，
在这里插入图片描述
由S0=1，Sw=0，可得
在这里插入图片描述
同理，Tn初始位置为x=n时最终落入边界x=w的概率，可得Tn=n/w。 对于单边界情况，可以令w趋于正无穷得到，即可得Sn=1，Tn=0。

Sunny.T
关注
  • 40
    点赞
  • 踩
  • 218
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 11
    评论
专栏目录
随机游走算法(Random Walk)
u013250861的博客
10-30 2566
参考资料： 介绍一个全局最优化的方法：随机游走算法(Random Walk)
随机游走（Random Walk）模型
lyy0331的博客
11-18 9799
Random Walk Model 1 模型及性质简介 给定一随机变量u(i)={1,−1}u(i)={\{1, -1\}}u(i)={1,−1} 随机游走模型可表示为随时间ttt变化的函数y(t)=∑i=1tu(i)y(t)=\sum_{i=1}^{t} u(i)y(t)=i=1∑t​u(i) 几条随机游走可视化路线如下 性质一： ⟨y(t)⟩=0\left \langle y(t) \right \rangle = 0⟨y(t)⟩=0，即y(t)y(t)y(t)在ttt时刻均值为0 性质二： ⟨y2(t
Random Walk (随机游走) matlab
11-03
论文“Random Walks for Image Segmentation”matlab代码，可直接运行，论文中提供的代码还需要到别处下载几个函数才能运行，本文件已包含这几个函数。
【机器学习之---数学】随机游走
最新发布
胡侃有料的博客
03-26 1399
随机游走定义如下：随机游走Snn≥0Sn​n≥0为随机过程SnS0x1XnSn​S0​x1​...Xn​其中，X1X2X1​X2​...是独立同分布(i.i.d)随机变量，与S0S_0S0​无关。
从Random Walk（随机游走）到Graph Embedding（DeepWalk，LINE，Node2vec，SDNE，Graph2vec，GraphGAN）
qq_44015059的博客
10-14 1万+
前言 本文转载自csdn博主上杉翔二系列博客并外加一些自己收集的资料，在这里仅作为自己学习之用。 原文链接：https://blog.csdn.net/qq_39388410/article/details/87904974 1. 随机游走 普通数据挖掘方法大多都是确定性模型，对于输入的输出往往没有随机性，而一些能给出概率的随机性模型似乎更加的适用，如蒙特卡洛模拟，即模拟输入一堆的随机数进行评估。 1.1 几何布朗运动(Brownian motion) 布朗运动是将看起来连成一片的液体，在高倍显微镜下看其实
随机游走笔记（一）
天道酬勤
07-26 3915
这就是随机游走的中心极限定理的体现：随着步数的增加，随机游走的位置分布趋近于正态分布。为了演示随机游走的中心极限定理，我们可以生成多个随机游走路径，并观察随着步数的增加，随机游走路径的位置分布是否趋近于正态分布。随机游走是一个非常有用的工具，可以帮助我们理解复杂的随机过程和现象，并在各种学科和领域中提供实用的建模和分析方法。对称性：在一维的离散随机游走中，如果步长的概率分布在左右移动时是对称的，那么称为对称随机游走。：随机游走的中心极限定理告诉我们，随着步数的增加，随机游走的位置将趋于正态分布。
图像分割算法: 随机游走（Random Walk Segmentation Algorithm）
newxuyangcao
04-13 9967
Random Walk 算法是比较早的一种基于图的方法，其原始论文[1]最早发在一个会议上, 后来经过修整发在期刊上[2]. 其主要思想是将图像构建成一个无向图模型，然后通过求解对应的dirichlet问题[3, 4]得到分割结果。 本文主要介绍一些random walker算法的原理，推导过程以及一些实验结果。...
超图上的随机游走
来了就看看吧
06-22 2126
在普通的图中，一条边只能连接两个点。在超图中，一个超边内可以存在多个点。实际上，普通图其实是超图的一种特殊存在形式，即超图中任意一条边内只存在两个点的特殊情况。 通过随机游走可以得到点的重要性排序,然而,普通图一条边上只存在两个点的特性具有很大的局限性,在此我们引入超图上的随机游走
重启随机游走(RWR)算法
热门推荐
qq_43186282的博客
03-19 1万+
RWR介绍 Random Walk with Restart(RWR) RWR是最早提出的一种用于图像分割的算法。它迭代地探索网络的整体结构，以估计两个节点之间的接近度(亲和力分数)。 从一个节点开始，步行者在每一步都面临两个选择:要么移动到随机选择的邻居，要么跳回到开始节点。该算法只包含一个固定参数r，称为“重启概率”(1−r表示移动到邻居的概率)。在迭代达到稳定后，稳定概率向量包含了网络中所有节点与起始节点的亲和力评分。这个稳定的概率向量可以看作是起始节点对网络施加的“有影响力的影响”。 除了
图像分割之随机游走算法
Du_Shuang的博客
11-11 1719
转载于：https://blog.csdn.net/broccoli_lian/article/details/79739299 看了部分，没搞很明白，等有时间再看。 版权声明：本文为博主原创文章，未经博主允许不得转载：https://blog.csdn.net/broccoli_lian/article/details/79739299 这里总结了二维random walk 算法和其在图像分割领域的应用，并列出了自己在学习过程中遇到的问题，欢迎指正和讨论。 这
图像分割的随机游走算法
05-02
通过选取目标种子点和背景种子点，从背景中把目标勾画出来
随机游走matlab代码-S-HUNE:（可扩展）高阶邻近保留无向图的唯一节点嵌入
06-12
随机游走matlab代码
随机行走（random walk）
05-26
NULL 博文链接：https://summerbell.iteye.com/blog/484258
randomwalk
09-24
随机漫步任务 Using the computer language of your choice, write a simulation of random walks in one dimension, on a lattice of spacing delta x=1 and with discrete time steps, delta t=1. Each walker begins at the origin and at each time step it takes a step to the right or left with equal probability, so that p_right=0.5, p_left=0.5. Number of steps in each walk: 20 Number of walks: 10,000 You may structure your code as discussed in class, or come up with your own algorithm. Note, you will need a random number generator. Make the following graphs using your simulation data: A. Mean square displacement vs. time, for time from t=0,1,2,3...20. Fit a straight line to the curve (by eye is okay) and find the diffusion coefficient. Is it the same as predicted by theory? B. Spatial distribution of walks at time = 20, normalized so the area under the curve is 1. [Note: after an even number of steps, all walks end on evennumbered sites.] C. For comparison, calculate the expected average spatial distribution at time T=20 and plot together with your simulation data.
RandomWalk.rar_random walk算法_randomwalk_randomwalk R_随机游走_随机游走算法
07-15
随机游走（Random Walk）算法是一种在图或网络中模拟自然随机过程的数学模型，它在计算机科学、统计学、物理学、生物学等多个领域都有广泛的应用。在这个“RandomWalk.rar”压缩包中，我们可以期待找到一个关于随机...
重启随机游走算法
03-23
**重启随机游走算法（Restart Random Walk with Restart, RWR）** 重启随机游走算法是一种在复杂网络中探索节点之间关系的数学模型。它源于图论中的随机游走概念，结合了重启机制，使得随机游走不仅能在网络中自由...
Random_walk_around_antlion.zip_antlion_random_random walk_随机游走_随
09-23
总结来说，"Random_walk_around_antlion.zip"包含了一个基于蚂蚁lion算法的随机游走实现，该算法模拟了蚂蚁寻找食物的行为，用以解决全局优化问题。通过对MATLAB代码的分析和调优，我们可以更好地理解和应用这一算法...
随机游走matlab代码-project-MRW0419_-random-walk:随机游走算法
06-12
“随机游走是一个数学对象，也称为随机或随机过程，它描述了一条路径，该路径是空间中随机游走（随机）的结果，例如整数数学。” —— “随机游走是一个随机移动物体从‘它’开始的地方行走的过程。” —— “在...
使用随机游走算法分割图像（python语言）
05-31
随机游走算法可以用来进行图像分割，其基本思想是通过在图像中随机游走来确定像素点所属的区域。具体流程如下： 1. 定义随机游走的步长和游走的次数。 2. 随机选择一个像素点作为起点。 3. 从起点开始进行随机游走，每次按照随机方向前进一个步长，并将当前像素点标记为该区域的一部分。 4. 重复进行步骤3指定次数，得到一个区域。 5. 选择另一个未标记的像素点作为起点，重复步骤3-4直到所有像素点都被标记为一个区域。 以下是一个使用随机游走算法进行图像分割的Python示例代码： ```python import numpy as np from PIL import Image def random_walk(image, step_size, num_iterations): """ 随机游走算法 :param image: 待分割的图像，PIL Image对象 :param step_size: 游走的步长 :param num_iterations: 游走的次数 :return: 分割结果，Numpy数组 """ # 将图像转换为灰度图像 gray = image.convert('L') # 获取图像的宽度和高度 width, height = gray.size # 初始化标记矩阵，所有像素点都标记为未访问 visited = np.zeros((height, width), dtype=np.bool) # 初始化分割结果矩阵，所有像素点都标记为0 result = np.zeros((height, width), dtype=np.int) # 定义随机方向数组 directions = [(-1, 0), (0, -1), (1, 0), (0, 1)] # 随机选择一个起点 start_x, start_y = np.random.randint(width), np.random.randint(height) # 重复进行游走，直到所有像素点都被标记为一个区域 while not visited.all(): # 如果当前起点已被访问，则选择另一个起点 if visited[start_y, start_x]: start_x, start_y = np.random.randint(width), np.random.randint(height) continue # 标记当前像素点已被访问 visited[start_y, start_x] = True # 进行随机游走 for i in range(num_iterations): # 随机选择一个方向 dx, dy = directions[np.random.randint(4)] # 计算新的像素点坐标 new_x, new_y = start_x + dx * step_size, start_y + dy * step_size # 如果新的像素点超出图像边界，则选择另一个方向 if new_x < 0 or new_x >= width or new_y < 0 or new_y >= height: continue # 如果新的像素点已被访问，则选择另一个方向 if visited[new_y, new_x]: continue # 标记新的像素点已被访问 visited[new_y, new_x] = True # 将新的像素点标记为当前区域的一部分 result[new_y, new_x] = result[start_y, start_x] # 选择一个未被标记的像素点作为下一个起点 unvisited_indices = np.transpose(np.nonzero(~visited)) if len(unvisited_indices) > 0: start_y, start_x = unvisited_indices[np.random.randint(len(unvisited_indices))] # 选择一个未被标记的区域作为下一个区域的标记 if len(np.unique(result)) == 1: result[start_y, start_x] = 1 else: unvisited_region_indices = np.transpose(np.nonzero(result == 0)) if len(unvisited_region_indices) > 0: result[start_y, start_x] = np.unique(result[unvisited_region_indices])[0] return result # 测试代码 if __name__ == '__main__': # 读取图像文件 image = Image.open('test.jpg') # 进行图像分割 result = random_walk(image, 10, 100) # 将分割结果保存为图像文件 result_image = Image.fromarray((result * 255 / np.max(result)).astype(np.uint8)) result_image.save('result.jpg') ``` 在上述代码中，我们首先将图像转换为灰度图像，并初始化标记矩阵和分割结果矩阵。然后随机选择一个起点，并进行随机游走，将经过的像素点标记为当前区域的一部分，重复进行直到所有像素点都被标记为一个区域。选择下一个起点和下一个区域的标记的方法在代码中有详细的注释。最后将分割结果保存为图像文件。
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Sunny.T

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值