关于基于投影的生化网络模型降阶——第二部分：随机情形

本文考虑随机生化网络的模型降阶问题。具体而言，我们对常用于描述生化网络的化学主方程的线性噪声近似中的方程个数进行降阶。与其他生化网络降阶方法不同，本文提出的方法是基于投影的。基于投影的方法是强有力的工具，但其使用代价是网络中节点的物理意义丧失。为缓解这一缺点，我们采用结构化投影算子，这意味着网络中的某些节点将保留其物理意义。对于工程中的许多模型，寻找结构化投影算子并不总是可行的；然而，在生化网络背景下，由于网络通常是（几乎）单调的，这更有可能实现。总之，该方法可在近似质量与物理意义之间进行权衡，并通过数值算例加以说明。