在分析高维数据集的线性高斯回归模型中实现贝叶斯变量选择是当前许多领域的研究热点。为了使这种分析具有可操作性，我们提出了一种基于进化蒙特卡罗的新采样算法，并设计为在“大$p$，小$n$”范式下工作，从而使贝叶斯多元分析完全可行，例如在遗传学/基因组学实验中。本文给出了基因组学中的两个实际数据示例，证明了该算法在高达10000美元协变量的空间中的性能。最后，在广泛的仿真研究中，将该方法与最近提出的搜索算法进行了比较。