用于高效摊销贝叶斯实验设计的递归嵌套滤波

本文引入了内-外嵌套粒子滤波器（IO-NPF），这是一种新颖的、完全递归的算法，用于非可交换设定下的摊销序贯贝叶斯实验设计。我们将策略优化构建为非马尔可夫状态空间模型中的最大似然估计，在实验数量方面实现了（至多）$\mathcal{O}(T^2)$ 的计算复杂度。我们提供了理论收敛保证，并引入了后向采样算法以减少轨迹退化。IO-NPF 为序贯贝叶斯实验设计提供了一种实用、可扩展且可证明一致的方法，展现出相比现有方法的更高效率。