马尔可夫链模型在考察随机因素影响的动态系统时，常常碰到这样的情况，系统在每个时期所处的状态是随机的，从这个时期到下个时期的状态按照一定的概率进行转移，并且下个时期的状态只取决于这个时期的状态和转移概率，与以前各时期的状态无关。这种性质称为无后效性或马尔可夫性。通俗的说就是已知现在，将来与历史无关。具有马氏性的，时间、状态无为离散的随机转移过程通常用马氏链(MarkovChain)模型描述。马氏链模型在经济、社会、生态、遗传等许多领域中有着广泛的应用。值得提出的是，虽然它是解决随机转移过程的工具，但是一些确定性系统的状态转移问题也能用马氏链模型处理。马氏链简介：马氏链及其基本方程：按照系统的发展，时间离散化为n=0丄2,，对每个系统的状态用随机变量x表示，设X可以nn取k个离散值X=1,2,k，且X=i的概率记作a(n)，称为状态概nni率，从x=i到X=j的概率记作p.，称为转移概率。如果x的nn+1jn+1取值只取决于X的取值及转移概率，而与X,X，的取值无关,nn-1n-2那么这种离散状态按照离散时间的随机转移过程称为马氏链。
