Question

我正在尝试基于Haskell中的Metropolis算法编写MCMC程序，我遇到了从概率分布（生成伪随机数）和构造程序的问题。现在，我很高兴使用带有硬编码种子的生成器，而不是处理处理IO的复杂性。

似乎我应该使用状态monad跟踪随机生成器状态，先前马尔可夫链状态，卡方值和算法的每一步之间的接受计数，然后最终收集所有马尔可夫链状态和最后的接受数。这是最好的/惯用的方式吗？如果是这样，程序的布局应该是什么（即提议函数的类型签名和大都市步骤函数等）。

我已经看到一些处理随机数的示例程序，其中从某种概率monad生成特定长度的随机数列表，然后通过一些简单的函数来执行计算。如果可能的话，我真的想避免这种内部形式的程序。

编辑：暂时删除了WIP代码。

Answer 1

以下是关于编写惯用的Haskell的一些反馈。

除非您在编写monadic代码，否则在纯函数中使用do （即。constructMuTable，metropolis）是非常不恰当的Haskell。

而不是
```
foo = do
    let x = ...
        y = ...
        z = ...
    bar x y z
```
写一下
```
foo =
    let x = ...
        y = ...
        z = ...
    in bar x y z
```
或使用where代替let ... in ...。
ETA-减少。在zVec中的某些地方（muVec，sigmaVec，main），您已撰写(\x -> f x)。这仅相当于f，模_|_，seq等。
使用Data.Vector.Unboxed。您有很多V.Vector Double，它们存储了Doubles，并且可能效率低下。对于像Double这样的原始类型，使用未装箱的向量（可能）使用更少的内存来加快代码。
尽可能避免使用(!!)索引列表。使用Data.Vector代替V.!为O(1)，而(!!)为O(n)。
您似乎可以在此处使用State monad来清理代码。然而，就目前的势在必行形式而言，我很难看到转型。

也许您可以尝试应用我给出的一些建议并简化一些大型密集函数，然后对您的算法的更高级别反馈将变得更加明显。