吸收马尔可夫链

吸收马尔可夫链（Absorbing Markov Chain）是随机过程理论中一类特殊的离散时间马尔可夫链。与传统马尔可夫链不同，它要求状态空间划分为‘暂态’（Transient States）和‘吸收态’（Absorbing States），其中吸收态具有不可逆性，即一旦系统进入吸收态，将永远无法离开。该模型在数学上保证了从任何暂态出发，最终被吸收的概率为 1（在有限状态且存在吸收态的前提下）。它是分析系统稳定性、故障传播、随机游走终点分布等问题的基础工具，广泛应用于可靠性工程、排队论及金融风险评估领域。

在现代计算架构与算法设计中，吸收马尔可夫链扮演着‘终局预测器’的角色。它超越了传统马尔可夫链仅描述状态转移概率的局限，通过引入不可逆的终止状态，为系统提供了明确的收敛性保证。在工程实践中，它被用于量化系统在故障、崩溃或特定事件发生前的平均生存时间（Mean Time to Absorption），以及计算系统最终陷入某种特定失败模式的概率分布。其核心价值在于将复杂的随机演化过程转化为可计算的线性代数问题（通过基本矩阵计算），使得工程师能够预先评估系统的鲁棒性边界，从而在架构设计阶段就规避高风险的随机路径。