モンテカルロ法と最適化における動的重み付け

動的重要度重み付けは、急峻なエネルギー最小点が多数存在する場合でも、構成空間の関連部分をサンプリングする能力を持つモンテカルロ法として提案されます。この方法は、急峻な障壁を克服するための追加の動的変数（重要度重み）に依存します。このような重み付きサンプラーの構築のために、メトロポリス理論でない理論が開発されます。この方法に基づくアルゴリズムは、多峰的サンプリング、神経ネットワークのトレーニング、および旅行セールスマン問題から生じるシミュレーションおよびグローバル最適化タスクのために設計されています。これらの問題に対する数値テストは、この方法の有効性を確認します。