Sequentially Constrained Monte Carlo

محدودیت ها را می توان به معنای وسیع تفسیر کرد به عنوان هر نوع محدودیت صریح در مورد پارامترها. در حالی که برخی محدودیت ها به طور مستقیم بر روی فضای پارامتر تعریف می شوند، وقتی که آنها به جای رفتار رفتار شناخته شده در مدل تعریف می شوند، تبدیل محدودیت ها به ویژگی ها در فضای پارامتر امکان پذیر نخواهد بود. ترکیب محدودیت ها به مدل اغلب منجر به کاهش در فضای پارامتر و چند متغیره می شود که به نوبه خود سبب مشکلات در نمونه برداری خلفی می شود. یک نوع از الگوریتم مونت کارلو به روش تعریف توالی تراکم از طریق اعمال محدودیت پیشنهاد شده است. ذرات تولید شده از یک توزیع بدون محدودیت یا کم و محدود، از طریق نمونه برداری و مراحل بازشاگرفتن فیلتر شده و برای جمع آوری نمونه از توزیع هدف کاملا محصور شده منتقل می شوند. اشکال خاص و خاص مدل محدودیت ها استراتژی های لازم را تعریف می کنند. الگوریتم مکرر به طور مداوم محدود مونت کارلو بر روی محدودیت های تعریف شده توسط یکنواختی یک تابع، تراکم محدود شده به چند بعدی چند بعدی، پیوستگی به یک مدل معادلات دیفرانسیل مکانیستی و محاسبات بیزی تقریبی نشان داده شده است.