本文研究高维分布的取样方法，提出了基于 Gibbs Sampler 方法的 Coordinate Hit-and-Run 算法，在凸边界的范围内取样效率高且保证收敛。
Sep, 2020
该论文提出了一种上调和蒙特卡洛算法（uHMC），并提供了关于其马尔科夫链混合时间、总变差距离等指标的上限，证明了可在 log 级别的时间内实现精度为 ε 的近似目标分布，最终证明在两种模型下该算法的成功耦合可以实现这些上限。
May, 2021
提出了一种新的随机行走方法，用于均匀采样高维凸体；它在输出方面具有比之前已知的方法更强的保证，特别是在 Rényi 散度方面。证明与现有的问题的多项式时间算法方法不同，我们利用了随机扩散的视角，通过收敛性的速率与平稳密度的功能等周常数来显示到目标分布的收缩。
May, 2024
对有限图上的懒惰随机游走进行了新的研究，得到了有关回归概率、最大期望击中时间、会面时间引理和多个随机游走的期望完全合并时间的新结果。
Jul, 2018
本文探讨了非后退随机游走在正则扩张图上的混合速率问题，证明了其速率可能是简单随机游走速率的两倍，并给出了其应用，并提出了一种类似于投掷球到篮子中的方法来描述所访问的点的多集。
Oct, 2006
本文介绍了基于撞球轨迹的新型随机游走算法，与 Hit-and-Run 随机采样算法相比，本算法在实践中需要的步骤数更少，能更快地达到均匀分布。
Nov, 2012
研究了一种随机漫步的聚合系统，其中每个个体都在有限图 G 上进行随机漫步，或者（更一般地）按照某个可逆马尔可夫链生成器 Q 进行演变，证明了所有漫步者聚合成单个群集的时间 C 的期望值最多仅为状态空间中某个元素的最大碰撞时间的常数倍，并且提出了关于仅剩下 k>1 个群集的预期时间的结果。
Sep, 2010
用 Byczkowski，Ryznar 的积分公式证明了 Bessel 过程的第一次到达时间的密度函数估计。此结果不仅提供了单位球的布朗运动的到达时间的最优估计，而且提供了广义欧几里得空间中一半空间的 Poisson 核的最优估计。
本文提出了一种基于 Chebyshev 多项式根的变化积分时间的 HMC 加速采样方法，可以在更少的迭代次数内将理想 HMC 方法在 Wasserstein-2 距离上的误差降至小于给定的值，即提高了采样的效率。
Jul, 2022
对具有有限方差的中心化随机游走进行研究，并研究了该游走的区域下方保持正的概率在大时间 n 内的渐近行为，通过假设 2+δ 阶矩有限，证明了该概率的精确渐近行为是 n^{-1/4}，并为该综合游走开发了离散势理论。
Jul, 2012