An Analysis of Swendsen–Wang and Related Sampling Methods
Swendsen–Wang 及相关采样方法的分析AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用蒙特卡洛采样算法，未提供归入具体计量领域细分的直接证据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
Swendsen–Wang 及相关采样方法的分析
- 研究问题
- 对于有限状态空间上的辅助变量采样，哪些目标分布与子集抽样特征影响收敛速度、统计效率和计算成本？
- 方法与思路
- 作者分析原始及扩展的 Swendsen–Wang 方法，比较均匀与非均匀子集抽样，并考察目标分布分解对采样表现的影响。
- 材料陈述的贡献
- 摘要称识别有利于快速收敛和高统计效率的分布特征，同时指出缺少可利用特殊结构时，子集采样仍可能代价高昂。
- 阅读关注点
- 应核对收敛率与统计效率的度量、辅助变量构造及分析条件，并将迭代效率与实际子集采样成本结合评估。
- 阅读边界
- 仅据所给 Crossref 摘要不能判断一般计算优势；部分下标和条件式排版不清，需查阅原 PDF，不据此重构公式。
原文摘要
Summary Convergence rates, statistical efficiency and sampling costs are studied for the original and extended Swendsen–Wang methods of generating a sample path {S j, j≥1} with equilibrium distribution π, with r distinct elements, on a finite state space X of size N 1. Given S j-1, each method uses auxiliary random variables to identify the subset of X from which S j is to be randomly sampled. Let πmin and πmax denote respectively the smallest and largest elements in π and let Nr denote the number of elements in π with value πmax. For a single auxiliary variable, uniform sampling from the subset and (N 1−Nr)πmin+Nrπmax≈1, our results show rapid convergence and high statistical efficiency for large πmin/πmax or Nr/N 1 and slow convergence and poor statistical efficiency for small πmin/πmax and Nr/N1. Other examples provide additional insight. For extended Swendsen–Wang methods with non-uniform subset sampling, the analysis identifies the properties of a decomposition of π(x) that favour fast convergence and high statistical efficiency. In the absence of exploitable special structure, subset sampling can be costly regardless of which of these methods is employed.