-
A global convergence is proved by analysis of Markov chain.
通过马尔可夫链的分析，证明它是全局收敛的。
-
Markov chain method was used to compute the average run length.
采用马氏链方法计算了此图的平均链长。
-
A city's yearly water consumption is a homogeneous Markov chain.
城市年用水量是一个齐次马尔可夫链。
-
And Markov chain is used to analyze and model for the reliability problem.
并利用马尔柯夫链对其进行了可靠性问题的建模。
-
In this method, a business process was regarded as a finite stationary Markov chain.
在该方法中，业务过程被看作是一条有限齐次的马尔可夫链。
1. 马尔可夫链（Markov Chain, MC）是概率论和数理统计中具有马尔可夫性质（Markov property）且存在于离散的指数集（index set）和状态空间（state space）内的随机过程（stochastic process）。适用于连续指数集的马尔可夫链被称为马尔可夫过程（Markov process），但有时也被视为马尔可夫链的子集，即连续时间马尔可夫链（Continuous-Time MC, CTMC），与离散时间马尔可夫链（Discrete-Time MC, DTMC）相对应，因此马尔可夫链是一个较为宽泛的概念。 马尔可夫链可通过转移矩阵和转移图定义，除马尔可夫性外，马尔可夫链可能具有不可约性、重现性、周期性和遍历性。一个不可约和正重现的马尔可夫链是严格平稳的马尔可夫链，拥有唯一的平稳分布。遍历马尔可夫链的极限分布收敛于其平稳分布。 马尔可夫链被应用于蒙特卡罗方法中形成马尔可夫链蒙特卡罗（Markov Chain Monte Carlo, MCMC）方法，也被用于动力系统、化学反应、排队论、市场行为和信息检索的数学建模。此外作为结构最简单的马尔可夫模型（Markov model），诸多机器学习算法，包括隐马尔可夫模型（Hidden Markov Model, HMM）、马尔可夫随机场（Markov Random Field, MRF）和马尔可夫决策（Markov decision process, MDP）以马尔可夫链为理论基础。 马尔可夫链的命名来自俄国数学家安德雷·马尔可夫（Андрей Андреевич Марков）以纪念其首次定义马尔可夫链和对其收敛性质所做的研究。
2. Markov chain is a stochastic model describing a sequence of possible events in which the probability of each event depends only on the state attained in the previous event.