不同提议分布的交互式多次尝试算法
摘要：提出了一种新的相互作用马尔可夫链蒙特卡洛(MCMC)算法，旨在提高修改的多尝试Metropolis (MTM)算法的效率。与现有的MCMC文献相比，该算法具有两个扩展。提出的采样器通过在多尝试生成步骤中允许不同的提议分布来扩展基本的MTM算法。我们利用不同提议分布的MTM算法的结构，自然地引入了相互作用的MTM机制(IMTM)，从而扩展了种群蒙特卡洛方法的类别。我们展示了该算法的有效性，并讨论了选择权重和不同提议的选择。我们提供了数值研究，表明新算法可以比基本的MTM算法更好地运行，并且交互机制使IMTM能够高效地探索状态空间。
作者：Roberto Casarin, Radu V. Craiu and Fabrizio Leisen
论文ID：1011.1170
分类：Computation
分类简称：stat.CO
提交时间：2014-03-19