Simulaciones MatLab

Los ejemplos siguientes trataran sobre cadenas de Markov de tipo Ergdica, estos tipos de cadenas converge a un estado de equilibrio y presentan propiedades para el rpido calculo de este estado de equilibrio. 1) Cadena de Markov ergdica no regular la cual no converge Cdigo en Matlab: P = [ 0 1 ;1 0] t_all = []; i_all = []; figure(1) clf for i = 1:100 t = P^i t_all = [t_all t(:)]; i_all = [i_all ones(4,1)*i]; subplot(211) char(t,i) subplot(212) plot(i_all',t_all','.-') xlabel('discrete time steps') ylabel('probability') title('evolution of transition probs. for each element') pause end

2) Cadena de Markov ergdica, con cero elementos en su matriz de transicin inicial, pero no siempre por lo cual sigue siendo regular P = [ 1/2 1/2 ;1 0]

t_all = []; i_all = []; figure(1) clf for i = 1:100 t = P^i t_all = [t_all t(:)]; i_all = [i_all ones(4,1)*i]; subplot(211) char(t,i) subplot(212) plot(i_all',t_all','.-') xlabel('discrete time steps') ylabel('probability') title('evolution of transition probs. for each element') pause end

3) Entrenamiento de Ninjas al estilo Markov Entrenamiento: Nivel 1: Aprende a leer a tu oponente Los ninjas del clan Rhozan acaban de enterarse de la sbita reaparicin de un Viejo enemigo del clan, los ninjas del clan Zentsu Los ninjas del clan Rhozan deben entrenar para pelear! Una habilidad critica es conocer a tu oponente, conocer sus tendencias y aprender sus patrones! El viejo maestro ninja, es el ultimo del clan Rhozan que ha luchado con los ninjas del clan Zentsu y el describe a sus discpulos los diferentes estilos de combate cuerpo a cuerpo del clan enemigo en trminos de un proceso de cadenas de Markov En la primera leccin, el maestro describe un estilo de lucha de 3 posiciones, compuesto de 1) Golpe (lnea roja) 2) Patada (Lnea amarilla) 3) Golpe del halcn volador( Lnea azul) A continuacin apreciaremos como los ninjas del clan Zentsu pelearan, dadas las probabilidades de como mezclan sus diferentes ataques: golpe, patada y ataque especial: % Ninja A, Estilo Honda (Especializado en Golpear) a= .9 b = .3 c = .2 P = [ a (1-a)/2 (1-a)/2; (1-b)/2 b (1-b)/2; (1-c)/2 (1-c)/2 c ;]

% Ninja B, Estilo Chun Li (Especializado en Patadas) a= .1 b = .9 c = .3 P = [ a (1-a)/2 (1-a)/2; (1-b)/2 b (1-b)/2; (1-c)/2 (1-c)/2 c ;] %Ninja C, Estilo Capitn Falcon (Especializado en Ataque especial) a= .1 b = .2 c = .9 P = [ a (1-a)/2 (1-a)/2; (1-b)/2 b (1-b)/2; (1-c)/2 (1-c)/2 c ;] % Maestro clan Zentsu: Estilo Supremo (Equilibrio con cada ataque)

a = .33333 b = .333333 c = .333333 P = [ a (1-a)/2 (1-a)/2; (1-b)/2 b (1-b)/2; (1-c)/2 (1-c)/2 c ;]

Cdigo en Matlab para cada ninja Usaremos la misma base de cdigo pero ajustando los valores para cada uno de los 4 escenarios:

t_all = []; i_all = []; figure(1) clf for i = 1:100 t = P^i t_all = [t_all t(:)]; i_all = [i_all ones(size(t_all,1),1)*i]; subplot(211) char(t(:),i) subplot(212) plot(i_all',t_all','.-') xlabel('pasos de tiempo discreto) ylabel('probabilidad') title('evolucin de las probabilidades de transicin para cada elemento') axis([0 max(max(i_all)) min(min(t_all))-.5 max(max(t_all))+.5]) pause end