Answers:
当然可以;但是它会带来更大的CPU使用率。特别是在许多维度上,问题变得更加严重,因为网格实际上无法使用。
先前的评论是正确的,因为在多维问题中更容易使用模拟。但是,有多种方法可以解决您的问题-查看http://en.wikipedia.org/wiki/Halton_sequence和 http://en.wikipedia.org/wiki/Sparse_grid。
同时考虑蒙特卡洛当一个通常拒绝采样的东西,马尔可夫链蒙特卡洛允许一个更有效地探索多维参数空间比具有网格(或拒绝采样的这个问题)。本教程明确说明了如何使用MCMC进行集成-http://bioinformatics.med.utah.edu/~alun/teach/stats/week09.pdf
两件事情 -
通过避免维数诅咒来加快收敛速度。因为网格中的大多数点都位于同一超平面上,而没有贡献太多的额外信息。随机点均匀地填充N维空间。LDS更好。
有时,对于蒙特卡洛方法,我们需要没有特定顺序的统计随机点。网格点的有序序列将导致较差的统计特性。