Metropolis

桑普利 2018年5月29日：0.3版 Sampyl是一个使用MCMC方法从概率分布中采样的软件包。 类似于使用theano来计算梯度的PyMC3，Sampyl使用来计算梯度。 但是，您可以自由编写自己的梯度函数，而不必使用autograd。 该项目的开始是通过仅使用Python和numpy定义模型来使用MCMC采样器的方式。 Sampyl当前包括以下采样器： 大都会-哈丁斯 哈密​​顿量 坚果 片 对于每个采样器，您传入一个函数，该函数计算要从中采样的分布的对数概率。 对于汉密尔顿和NUTS采样器，还需要梯度对数概率函数。 如果安装了autograd，则将自动计算梯度。 否则，采样器将接受gradient log-p函数，无论是否安装了autograd，都可以使用它们。 它仍在积极开发中，即将推出更多功能！ 依存关系 适用于Python 2或3。 当前， 和是唯一的依赖项。 要使

sampling Some methods to sampling data points from a given distribution. 从一个给定的分布里面采样，包括：Inverse CDF; Box-Muller; Rejection-Sampling; Importance-Sampling; M-H; Gibbs等方法。 代码架构 原理解析 采样 Inverse CDF Box-Muller Rejection-Sampling Importance-Sampling M-H 代码架构 inverse_cdf_exp.py 以指数分布为例对累积概率函数逆变换进行采样 box_muller_gau.py 对高斯分布进行采样的经典算法Box-Muller实现 rejection_sampling.py 拒绝采样实现，以高斯分布为参照进行采样混合高斯分布 importan

该软件包包含 3 个 MCMC 功能： RWM.m - 具有最佳接受率调整的标准 Metropolis Hastings。 [N.Metropolis，AWRosenbluth，MNRosenbluth，AHTeller和E. Teller，“通过快速计算机进行状态计算的方程”，《化学物理学报》，第1卷。 21，没有。 6，第 1087-1092 页，1953 年] AM.m - 具有最佳接受率调整的自适应大都会。 [H。 Haario、E. Saksman 和 J. Tamminen，“自适应 Metropolis 算法”，伯努利，卷。 7，第 223-242 页，2001 年] FSS.m-具有最佳初始宽度调整的因子切片采样。 [MM Tibbits、C. Groendyke、M. Haran 和 JC Liechty，“自动因子切片采样”，《计算和图形统计杂志》，第 2 期。

Madrid Metropolis Dataset 是用于三维建模的图片数据集，其利用平均极线几何求解运动问题中的 结构 。 该数据集由康奈尔大学于 2014 年发布，主要发布人为 Kyle Wilson 和 Noah Snavely，相关论文有《Robust Global Translations with 1DSfM》。

metropolis Rust 中 MCMC（马尔可夫链蒙特卡洛）算法的实现 安装 只需克隆 depo 或将 Git URL 添加到您的Cargo.toml，您就可以开始了！

使用此代码模拟基本的 3D 微观结构演变。 这是一个相当古老的代码。 此版本使用环绕边界条件，与新代码相比，计算速度稍慢。 但是，我正在对较新的版本进行一些更改。 所以，当心新版本.. :)

针对旅行商问题(TSP)优化中,遗传算法(GA)容易陷入局部最优、模拟退火算法(SA)收敛速度慢的问题,提出一种基于改进遗传模拟退火算法(IGSAA)的TSP优化算法.首先根据优化目标建立数学模型;然后对遗传算法部分中的适应度函数、交叉变异算子进行改进,使算法能够更加有效地避免陷入局部最优;最后根据旧种群和新种群每个对应个体的进化程度提出一种改进自适应的Metropolis准则,使模拟退火算法部分的染色体跳变更具有自适应性,利于算法寻优.对不同TSP实例的实验结果表明,与其他路径优化算法优化结果相比,所提出的IGSAA算法能够对不同TSP实例优化得到更优的旅行路径.

此示例将计算集成到有关铁磁体 Ising 模型的物理课程中。 最后附有练习。 学生将学习如何实现 Metropolis 算法、编写模块化程序、绘制物理关系、并行运行 for 循环，以及开发机器学习算法以对相位进行分类并预测自旋的 2D 配置的温度。 所需产品注意事项： 尽管某些练习使用了统计和机器学习工具箱，并行计算工具箱和神经网络工具箱，但MATLAB是运行实时脚本的唯一必需产品。

使用此代码模拟基本的微观结构演变。 这是一个相当古老的代码。 将很快在 2D 和 3D 中发布更新的代码。 此版本使用环绕边界条件，与新代码相比，计算速度稍慢。 但是，我正在对较新的版本进行一些更改。 所以，当心新版本.. :)