一般混合类中的自适应重要性采样

在本文中，我们提出了一种自适应算法，该算法迭代更新混合重要性采样密度的权重和分量参数，以优化由熵准则衡量的重要性采样性能。该方法被证明适用于广泛的重要性采样密度类别，其中包括多元 Student t 分布的混合。我们在人工和真实示例上研究了所提方案的性能，特别突出了一种新型 Rao-Blackwellisation 装置的优势，该装置可以轻松融入更新方案中。