目錄：
定義：
假設對象A具有指向它的對象T1 ... Tn。參數d是阻尼系數，取值范圍在0和1之間，通常將d設置為0.85。C（A）被定義為從對象A出去的連接數。
對象A的PageRank計算公式如下：
PR（A）=（1−d）+d（PR（T1）/C（T1）+...+PR（Tn）/C（Tn））
當一個節點只有輸出，沒有輸入的時候，因為d一般設置為0.85，所以：
PR（A）=（1-d）+ d *（0）= 0.15
計算原理：
每個對象的PR取決於指向它的對象的PR。在指向一個對象的所有對象都計算出了PR，才能夠計算出該頁面的PR值。
當所有對象形成閉環時，PR（A）可以使用簡單的迭代算法計算，並且對應於web的規范化鏈接矩陣的主特征向量。
基本上，每次計算都會對各對象的最終值進行更接近的估計。通過對這些對象進行大量重復的計算，直到結果變化很小為止。
示例1：
每個頁面都有一個輸出鏈接（輸出計數為1，即C（A）= 1，C（B）= 1）
假設A的PR（A）初始值為1
d = 0.85 //默認值
PR（A）=（1 - d）+ d（PR（B）/ 1） PR（B）=（1 - d）+ d（PR（A）/ 1） //即
PR（A）= 0.15 + 0.85 * 1 = 1 PR（B）= 0.15 + 0.85 * 1 = 1
假設A的PR（A）初始值為0
PR（A）= 0.15 + 0.85 * 0 = 0.15 PR（B）= 0.15 + 0.85 * 0.15 = 0.2775
//完成一次迭代，繼續第二次迭代
PR（A）= 0.15 + 0.85 * 0.2775 = 0.385875 PR（B）= 0.15 + 0.85 * 0.385875 = 0.47799375
//第三次迭代
PR（A）= 0.15 + 0.85 * 0.47799375 = 0.5562946875 PR（B）= 0.15 + 0.85 * 0.5562946875 = 0.622850484375
//結果數值不斷上升，但當達到1.0時，停止增加。
假設A的PR（A）初始值為40，B的PR（B）初始值為40
//初始值
PR（A）= 40 PR（B）= 40
//第一次迭代
PR（A）= 0.15 + 0.85 * 40 = 34.25 PR（B）= 0.15 + 0.85 * 0.385875 = 29.1775
//第二次迭代
PR（A）= 0.15 + 0.85 * 29.1775 = 24.950875 PR（B）= 0.15 + 0.85 * 24.950875 = 21.35824375
//結果數值不斷下降，但當達到1.0時，停止下降。
性質：
當沒有節點只進不出時，PageRank計算結果符合“ 歸一化概率分布 ”，所有節點的PageRank平均值為1.0。
示例2：
該實例不滿足只進不出條件，第三列的節點只有輸入，沒有輸出，所以PR的平均值不等於1.0
參考資料：
http://www.cs.princeton.edu/~chazelle/courses/BIB/pagerank.htm