利用“线索库”进行采样

本文描述了一种易于实现的 Metropolis 算法形式，与大多数标准技术不同，它非常适合在典型的研究当前对超越标准模型 (Beyond-the-Standard-Model) 物理限制的环境中，对具有中等数量维度（约十个）空间上的多峰分布进行采样。该采样技术利用了与待采样分布相关的预先存在的信息（这些信息的质量可以较低或不确定）。这些信息应以空间点的“库”或“缓存”形式出现，其中至少有一些点预计位于目标分布的兴趣区域附近。在实际情况下，此类“线索库”很容易从早期工作、中止的运行、失败采样尝试中丢弃的预热 (burn-in) 样本或先前的侦察调查中组装而成。该技术无需用户输入即可在分布的不连通部分之间达到平衡。该算法不会被“坏”线索误导，但没有免费的午餐：只有在线索有帮助时才能看到性能提升。