TY  - THES
A3  - Löwe, Matthias
AB  - In dieser Arbeit werden drei Varianten des Metropolis-Hastings Algorithmus betrachtet. Simulated Tempering, Swapping und Equi-Energy Sampling sollen durch Hinzufügen eines Temperaturschritts die Konvergenzgeschwindigkeit dieser Algorithmen gegenüber dem zugrunde liegenden Metropolis-Hastings Algorithmus in Situationen verbessern, in denen dieser langsam gegen das gewünschte Wahrscheinlichkeitsmaß konvergiert. Es wird gezeigt, dass der Swapping Algorithmus im Generalized-Curie-Weiss Modell in polynomiell vielen Schritten konvergiert. Im Blume-Emery-Grifiths Modell ist die Konvergenz in einem Parameterbereich auch schnell, während sie in einem anderen Parameterbereich langsam ist. Auch für die Spingläser Random-Energy-Model und Generalized-Random-Energy-Model benötigen Simulated Tempering und Swapping exponentiell viele Schritte um nahe an die gewünschte Verteilung zu gelangen. Schließlich wird noch gezeigt, dass der Equi-Energy Algorithmus im Potts Modell langsam mischt.
AU  - Ebbers, Mirko
DA  - 2010
KW  - Energy Sampling
KW  - Metropolis-Hastings Algorithmus
KW  - Random-Energy-Model
KW  - Generalized-Random-Energy-Model
KW  - Blume-Emery-Grifiths Modell
KW  - Generalized-Curie-Weiss Modell
KW  - Potts Modell
LA  - eng
PY  - 2010
TI  - Swapping, tempering and equi-energy sampling on a selection of models in statistical mechanics
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:6-25429484071
Y2  - 2024-11-22T11:58:00
ER  -