parallel tempering is a generic markov chain monte carlo sampling method
which allows good mixing with multimodal target distributions, where
conventional Metropolis-Hastings algorithms often fail. The mixing pro
审计选区规划中的一个有说服力的方法是将该方案与一组中立绘制的选区计划进行比较，这些集合是通过在平衡的图分割上采样分布的算法生成的。我们生成了一种多尺度并行退火方法，在每个尺度上进行局部移动，该方法允许采用多种基于政策的衡量标准。我们在康涅狄格州进行了实证研究，并成功在前所未有的尺度上对尚未采样的基于政策的分布进行快速混合。我们的算法显示出扩展到更广泛的衡量标准的潜力，这将 (i) 允许更有原则性和情境基础的比较，并 (ii) 探索政策对选区划分的典型党派影响。