1.軟件版本

matlab2013b

2.本算法理論知識(shí)

首先參考文獻(xiàn)《[1] Mahendran N , ?Wang Z , ?Hamze F , et al. Adaptive MCMC with Bayesian Optimization[C]// 2012.》

這個(gè)程序是我們的算法的整體上的實(shí)現(xiàn)，即論文中的

下面進(jìn)行介紹和分析：

這個(gè)是主要的程序，每一行對(duì)應(yīng)的注釋，就是對(duì)應(yīng)的上述的algorithm的各個(gè)步驟

?這個(gè)主函數(shù)下對(duì)應(yīng)的如下幾個(gè)子函數(shù)，這幾個(gè)子函數(shù)只需要了解大概的功能就可，具體參數(shù)實(shí)現(xiàn)過(guò)程

1功能： 更新GP的統(tǒng)計(jì)參數(shù)

2功能： 論文中的說(shuō)的高斯過(guò)程

3功能： 計(jì)算的程序

4功能： 馬爾科夫鏈的程序

5功能： 畫(huà)出馬爾科夫鏈的圖像效果顯示。

3.部分源碼

clc; clear; close all; warning off; addpath 'func\'I = 10; nsimu = 1e4; npar = 20; D = cell(1,I); for i = 1:I%Run Markov chain for L steps with parameters θchain = Markov_chain(nsimu,npar);%Use the drawn samples to obtain a noisy evaluation of the objective function: znoisy_evaluation = randn(size(chain))/100;Z = func_h(chain) + noisy_evaluation;%Augment the dataD{i} = [chain;Z];%Update the GP’s su?cient statistics.D2{i} = func_GP(D{i});%Find θi+1by optimizing an acquisition function:thetamax{i} = func_optimizing(D2{i}); endfigure(1); mcmcplot(thetamax{1},[],{'\theta_1'},'chainpanel')

4.仿真分析

5.參考文獻(xiàn)

[1] Mahendran N , ?Wang Z , ?Hamze F , et al. Adaptive MCMC with Bayesian Optimization[C]// 2012.A16-42

總結(jié)

以上是生活随笔為你收集整理的【MCMC】基于贝叶斯优化的自适应MCMC算法仿真的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。