引用来自 Swensen 和 Wang 在 2002 年发表在《统计物理学杂志》上的题为“转移矩阵蒙特卡罗方法”的论文。ArXiv 提供了预印本：

http://arxiv.org/pdf/cond-mat/0104418.pdf

快速浏览论文，很明显，通过“局部蒙特卡罗方法”，作者指的是对伊辛模型（或类似的统计力学系统）进行蒙特卡罗模拟的传统方法，在这种方法中，您考虑一次翻转一个旋转，并且这种翻转发生的概率取决于附近旋转的状态。这是原始的马尔可夫链蒙特卡罗模拟。

在实践中，算法经常会以小概率考虑许多潜在的状态变化，因此大多数步骤实际上并没有被接受。本文的作者提出了一种算法，该算法通过估计系统实际移动到的下一个状态的转移矩阵来加快速度。

正如布赖恩所说，“局部 MC 方法”包括在配置中提出局部更改，以最小化一些目标函数（通常是配置的能量）。

全局（或“集群”）方法旨在通过同时更改配置空间的巨大子域来执行相同的最小化过程。这种称为 Swendsen-Wang 算法 ( PRL, 58 (2) 1987, p:86 ) 的方法基于 Fortuin 和 Kasteleyn ( Physica, 57 , 1972, p:536 ) 发现的变换，并证明在减少所谓的“临界减速”，这是由于配置之间的相关时间在临界点（即发生相变的点）附近可能非常大的事实而在局部算法中发生的现象。

在他们的论文中，Swendsen 和 Wang 将他们的算法应用于统计力学的 Ising 模型的研究中。这种聚类方法非常有效，应用广泛，并且允许对大型系统进行数值模拟。可以很容易地找到多种语言的源代码。

Ulli Wolff ( PRL, 62 (4) , 1989, p: 361 )开发了类似的聚类方法。

如果没有引用中的更多上下文，很难判断，但我最好的猜测是，该引用指的是实际 MC 方法在前一个样本附近采样的事实。全局方法将在搜索域的随机位置找到一个新样本，而与先前样本的位置无关。但这是低效的，是一种不实用的方法。