Graph 图上随机游动中访问节点的概率
我有一个有限无向图,其中一个节点标记为“开始”,另一个节点标记为“目标” 一个代理最初被放置在起始节点,并随机地在图中导航,即在每一步,它都会随机均匀地选择一个邻居节点并移动到该节点。 当它到达目标节点时,它停止 我正在寻找一种算法,对于每个节点,该算法给出了代理从起点到终点访问它的概率指示。Graph 图上随机游动中访问节点的概率,graph,graph-theory,random-walk,Graph,Graph Theory,Random Walk,我有一个有限无向图,其中一个节点标记为“开始”,另一个节点标记为“目标” 一个代理最初被放置在起始节点,并随机地在图中导航,即在每一步,它都会随机均匀地选择一个邻居节点并移动到该节点。 当它到达目标节点时,它停止 我正在寻找一种算法,对于每个节点,该算法给出了代理从起点到终点访问它的概率指示。 谢谢。与图形一样,这仅仅是知道一种适当的方式来描述问题的问题 书写图形的一种方法是将其作为一个图形。如果图G=(V,E)有| V |个节点(其中| V |是顶点数),则该矩阵将为| V | x | V |
谢谢。与图形一样,这仅仅是知道一种适当的方式来描述问题的问题 书写图形的一种方法是将其作为一个图形。如果图G=(V,E)有| V |个节点(其中| V |是顶点数),则该矩阵将为| V | x | V |。如果一对顶点之间存在边,则将邻接矩阵中的项设置为1,如果不存在,则将其设置为0 这一点的自然延伸是到。这里,邻接矩阵不是0或1,而是有一些权重的概念 在您描述的例子中,有一个加权图,其中权重是从一个节点过渡到另一个节点的概率。这种类型的矩阵有一个特殊的名称,它是一个矩阵。根据您排列矩阵的方式,此矩阵的行或列的总和分别为1、右侧和左侧随机矩阵 随机矩阵和图之间的一个联系是。在马尔可夫链文献中,你需要的关键是一个转移矩阵(权重等于一个时间步后转移概率的邻接矩阵)。让我们把转移矩阵称为P 计算k个时间步后从一种状态过渡到另一种状态的概率由p^k给出。如果您有一个已知的源状态i,那么P^k的第i行将为您提供转换到任何其他状态的概率。这将为您提供短期内处于给定状态的概率估计 根据您的来源,可能是p^k达到稳态分布,即对于某个k值,p^k=p^(k+1)。这将为您提供长期处于给定状态的概率估计 顺便说一句,在你做任何这件事之前,你应该能够看看你的图表,说一些关于某个时刻处于给定状态的概率是多少的事情
你读过吗?是的,但到目前为止,我还没有找到关于这个特殊问题的算法或解释。我找到了一些关于图中概率的书,但内容很多,我正在花一些时间仔细阅读,因此任何关于查找位置的提示都是值得赞赏的。我认为NetworkX python库当前的“流”和“介乎”中心函数满足了我的要求,但我无法让它工作,正如在这个问题中所解释的那样[