自适应马尔可夫链蒙特卡罗辅助变量方法及其在并行淬火中的应用
摘要：并行退火和聚簇Monte Carlo方法等辅助变量方法通过使用建议和辅助分布生成遵循目标分布的样本。在从复杂分布中采样时，这些算法比标准马尔可夫链Monte Carlo方法更高效。然而，它们的性能强烈依赖于它们的参数，并且确定参数是关键的。在本文中，我们提出了一种在绘制样本过程中适应参数的算法，并证明了自适应算法的收敛定理。我们将我们的算法应用于并行退火。也就是说，我们开发了自适应并行退火，可以即时调整参数。通过对比自适应并行退火和传统算法生成的目标分布样本，我们验证了我们算法的有效性。
作者：Takamitsu Araki, Kazushi Ikeda
论文ID：1207.3195
分类：Computation
分类简称：stat.CO
提交时间：2012-07-16