优化路径上的并行调度
摘要：温度并行（PT）是一类马尔科夫链蒙特卡洛算法，它构造了一个介于可计算参考分布和难以处理的目标分布之间的路径，并在路径上交换状态以提高目标分布的混合性能。PT的性能取决于从参考分布中获取样本到达目标分布的速度，而这又取决于退火分布路径的选择。然而，过去的PT研究仅使用了由参考分布和目标分布的对数密度凸组合构成的简单路径。本文首先通过实验证明，在参考分布和目标分布几乎正交的情况下，这种路径的性能较差。为了解决这个问题，我们扩展了PT的框架到一般的路径族，将路径的选择制定为一个具有可计算梯度估计的优化问题，并提出了一种灵活的新型样条插值路径族供实际使用。理论和实证结果都表明，我们提出的方法打破了传统路径的性能上限。
作者：Saifuddin Syed, Vittorio Romaniello, Trevor Campbell, Alexandre Bouchard-C^ot''e
论文ID：2102.07720
分类：Computation
分类简称：stat.CO
提交时间：2021-06-28