与 MCMC 中标准老化步骤的不同之处在于后者通常是盲目的，作为总迭代次数的固定比例，例如 20%。这里的老化或预热步骤更积极地寻找一个合理的起点，即与目标密度兼容的起点。然而，该方法的性能取决于 MCMC 链的混合行为。如果它相对于几百次迭代的预期范围非常缓慢地混合，则链可能会停留在上一轮发现的模式的吸引盆内。在热身期间最好考虑退火或放松的目标，其中将运行由幂密度（幂小于一）或部分后验（仅使用一小部分数据）组成的更平坦的目标（并且仍然监测实际目标密度的值）。因此，初步勘探将更加有效并且容易离开吸引盆地。

如果您只有一条链（或者如果您希望所有链完全独立），那么此过程与经典老化没有什么不同。

但是，如果您允许您的链进行交互，它可以加速收敛。从一个随机位置开始，让你的所有链独立运行步。然后，将所有链的所有walkers设置到相同的位置（迄今为止在所有链中看到的最大对数概率的点），让它们再次独立运行。因此，恰好距离高可能性区域最近的链将“引导”其他链向该位置移动。$T$

这个过程的一个可能的缺点是它可能会增加陷入局部最优的风险。