具有对称提议的随机游走 Metropolis-Hasitings

$q(x|y)= g(|y-x|)$ 具有接受概率的性质

不依赖于提案$g(\cdot)$。

这是否意味着我可以将$g(\cdot)$更改为链先前性能的函数，而不会影响链的马尔可夫性？

我特别感兴趣的是根据接受率调整 Normal 提案的缩放比例。

如果有人能指出在实践中用于此类问题的适应算法，我将不胜感激。

非常感谢。

[编辑：从 robertsy 和 wok 给出的参考资料开始，我发现以下关于 MH 自适应算法的参考资料：

Andrieu、Christophe 和 Éric Moulines。2006.
关于一些自适应 MCMC 算法的遍历性。应用概率年鉴 16，没有。3：1462-1505。http://www.jstor.org/stable/25442804。

安德里厄、克里斯托夫和约翰内斯·汤姆斯。
2008. 自适应 MCMC 教程。统计与计算 18，没有。4 (12): 343-373。doi:10.1007/s11222-008-9110-y。链接。

Atchadé, Y.、G. Fort、E. Moulines 和 P. Priouret。2009.
自适应马尔可夫链蒙特卡罗：理论和方法。预印本。

阿查德，伊夫。2010.
一些具有子几何内核的自适应 MCMC 算法的极限定理。伯努利 16，没有。1（二月）：116-154。doi:10.3150/09-BEJ199。 http://projecteuclid.org/DPubS?verb=Display&version=1.0&service=UI&handle=euclid.bj/1265984706&page=record。

Cappe、O.、S. J Godsill 和 E. Moulines。2007.
现有方法的概述和顺序蒙特卡洛的最新进展。IEEE 95 的会议记录，没有。5：899-924。

佐丹尼，保罗。2010.
通过快速估计法线混合的自适应独立大都市黑斯廷斯。计算和图形统计杂志 19，没有。2 (6): 243-259。doi:10.1198/jcgs.2009.07174。http://pubs.amstat.org/doi/abs/10.1198/jcgs.2009.07174。

Latuszynski、Krzysztof、Gareth O Roberts 和 Jeffrey S Rosenthal。2011.
自适应 Gibbs 采样器和相关的 MCMC 方法。1101.5838（1 月 30 日）。http://arxiv.org/abs/1101.5838。

Pasarica, C. 和 A. Gelman。2009.
使用预期平方跳跃距离自适应缩放 Metropolis 算法。中央统计。

Roberts, Gareth O. 2009。
自适应 MCMC 示例。计算和图形统计杂志 18，没有。2 (6): 349-367。doi:10.1198/jcgs.2009.06134。http://pubs.amstat.org/doi/abs/10.1198/jcgs.2009.06134。

]