离散空间上知情MCMC采样器的无维数松弛时间

马尔可夫链蒙特卡洛方法在高维统计应用中的收敛分析日益受到认可。在本文中，我们通过建立并改进贝叶斯模型选择问题中的一些最新理论进展，发展了离散空间上Metropolis-Hastings算法的一般混合时间界。我们为一类知情Metropolis-Hastings算法建立了充分条件，使其松弛时间与问题维数无关。这些条件基于高维统计理论，并允许后验分布可能是多模态的。我们通过两种独立技术获得结果：多商品流方法和单元素漂移条件分析；我们发现后者产生了稍紧的混合时间界。我们的结果可广泛应用于具有离散参数空间的统计问题，我们通过理论和数值示例进行了演示。