正如我们已经注意到的那样，Metropolis算法的一个主要的局限是它具有随机游走的行为，而在状态空间中遍历的距离与步骤数量只是平方根的关系。仅仅通过增大步长的方式是无法解 决这个问题的，因为这会使得拒绝率变高。

本节中，我们介绍一类更加复杂的转移方法。这些方法基于对物理系统的一个类比，能够让系统状态发生较大的改变，同时让拒绝的概率较低。它适用于连续变量上的概率分布，对于连续变量，我们已经能够计算对数概率关于状态变量的梯度。我们会在11.5.1节讨论动态系统框架，然后在11.5.2节，我们会解释这个框架如何与Metropolis算法结合，产生出一个强大的混合蒙特卡罗算法。这里不需要物理学的背景，因为本节是自洽的，并且关键的结果全部从基本的原理中推导出。