本文研究了低温指数随机图模型（ERGM）的抽样问题。通常的方法是通过马尔可夫链蒙特卡罗，但Bhamidi等人表明，由于亚稳态，任何局部马尔可夫链都会遭受指数级大的混合时间。相反，我们考虑亚稳态混合这是一个相对于平稳分布的近似混合概念，对于它来说，只在一组亚稳态中混合就足够了。我们表明，ERGM在任何温度下的Glauber动力学，除了在较低维的临界参数集下，当在$\mathit{<trans\; data-src="G">G公司</trans>}<trans\; data-src="(">(</trans>\mathit{<trans\; data-src="n">n个</trans>}<trans\; data-src=",">,</trans>\mathit{<trans\; data-src="p">第页</trans>}<trans\; data-src=")">)</trans>$选择正确的第页亚稳态混合时间为$\mathit{<trans\; data-src="O">O（运行）</trans>}<trans\; data-src="(">(</trans>{\mathit{<trans\; data-src="n">n个</trans>}}^{\mathrm{<trans\; data-src="2">2</trans>}}<trans\; data-src="log">日志</trans>\mathit{<trans\; data-src="n">n个</trans>}<trans\; data-src=")">)</trans>$至总变化距离内$<trans\; data-src="exp">经验</trans><trans\; data-src="(">(</trans><trans\; data-src="-">负极</trans>\mathrm{<trans\; data-src="\Omega ">\Omega </trans>}<trans\; data-src="(">(</trans>\mathit{<trans\; data-src="n">n个</trans>}<trans\; data-src=")">)</trans><trans\; data-src=")">)</trans>$.