带动量项的高阶幂法解高阶马尔科夫链的极限概率分布向量

针对高阶马尔科夫链的极限概率分布问题,本文提出了两种带动量项的高阶幂法,并在一定条件下建立了所提算法的收敛性定理、数值实验结果表明动量项能够有效改善原幂法的计算效率.

高阶马尔科夫链极限概率分布的一种松弛算法

针对由高阶马尔科夫链产生的转移概率张量的极限概率分布问题,提出一种松弛算法,可以看成是一种带动量项的高阶幂法。在0<β,γ<1-η_(m)/ 2η_(m)的条件下,算法具有全局收敛性。数值实验表明,通过选取适当松弛参数,所提算法能够有效改善原高阶幂法的计算效率。

高阶马尔科夫链张量方程的一种反迭代算法

针对高阶马尔科夫链极限概率分布问题,提出一种带有动量项的反迭代算法,并在一定条件下建立该算法的收敛性。最后,通过数值算例验证了所提算法的有效性和优越性。