物理学家引入的废物回收蒙特卡罗（WRMC）算法是对（多比例）Metropolis–Hastings算法的修改，该算法使用了经验平均值中的所有建议，而标准（多比例的）Metroporis–Hassings算法仅使用已接受的建议。本文将WRMC算法推广到一般的控制变量技术，并根据渐近方差给出了控制变量的最优选择。我们还举了一个例子，表明与物理学家的直觉相反，WRMC算法可以具有比Metropolis-Hastings算法更大的渐近方差。然而，在被称为Boltzmann算法的Metropolis-Hastings算法的特定情况下，我们证明了WRMC算法比Metropolis–Hasting算法具有渐近性。最后一个属性也适用于多比例Metropolis–Hastings算法。在最后一个框架中，我们考虑了WRMC的线性参数推广，并使用这些建议提出了显式最优参数的估计。