概率约束下的自适应 MCMC 抽样的润肤性
最优化与控制
2026-02-09 v1
摘要
本文在自适应马尔可夫链蒙特卡洛（MCMC）算法的样本序列和参数序列上提供充分条件，以确保其相对于可具有无界支撑的目标分布具有润肤性。这些条件旨在使 Containment 和 Diminishing Adaptation 两条原则（由 Roberts 和 Rosenthal [2007] 在转移核上表述）更加易于使用，而无需像其他工作中那样对样本空间和参数空间同时人为假设紧凑性。本文表明，紧凑性条件可 relax 为对样本序列和参数序列更真实的概率约束。
引用
@article{arxiv.2602.06567,
title = {Markov Decision Processes of the Third Kind: Learning Distributions by Policy Gradient Descent},
author = {Nicole Bäuerle and Athanasios Vasileiadis},
journal= {arXiv preprint arXiv:2602.06567},
year = {2026}
}