一个具有n个状态的马尔可夫链如果存在正整数N,使从任意状态i经过N次转移都能以大于零的概率到达状态j(i,j=1,2,...n),则称此马氏链为正则链(Regular Markov Chains)[1]。
正则链的判断方法:对于概率矩阵P,若其某幂次方Pm的所有元素皆为正数,则矩阵P称为正规概率矩阵,此时马氏链称为正则链,或者称马氏链具有遍历性(Ergodicity)[2]。
一个具有遍历性的马尔可夫链经过相当长的时间后,它处于各个状态的概率趋于稳定,且概率稳定值与初始状态无关。在工程技术中,当马尔可夫链的极限概率分布存在时,它的遍历性表示一个系统经过相当长时间后趋于平衡状态,这时,系统处于各个状态的概率分布既不依赖于初始状态,也不再随时间的推移而改变。
正则链的极限分布是方程组
$$! \left\{ \begin{array}{l} \pi =\pi P \\ {{\pi }_{i}}>0,\sum\limits_{j=1}^{n}{{{\pi }_{i}}}=1 \\ \end[......]