走随赢家：通用蒙特卡罗策略

我们描述了一种从给定分布中采样配置的通用策略，不同于标准的Metropolis（马尔可夫链）策略。该方法利用统计物理中非平凡问题的高维性质且常接近马尔可夫性，因此配置以多步（通常带偏置）方式构建。由于存在偏置，每个配置都携带其权重，该权重在每一步都会发生变化。如果偏置接近最优，则所有权重相似，重要性抽样即完美。如果偏置不足，则通过克隆/消灭权重过高/过低的部分配置来进行“种群控制”，以确保最终（加权）分布无偏。我们将该方法（其也与扩散类量子蒙特卡罗方法紧密相关）应用于聚合物统计、反应扩散模型、序列比对和 percolation 问题。