《吉布斯分布的局部、动态与快速采样算法》由爱丁堡大学博士后凤维明撰写，内容荣获2021年度CCF优秀博士学位论文奖。全书立足大数据背景下的新问题，从分布式采样和动态采样两个具体问题入手，给出了有理论保障的算法并研究了新模型下采样问题的复杂性。《吉布斯分布的局部、动态与快速采样算法》共十章，分为四个部分：第零部分（第1~2章）主要介绍了全书的研究背景、研究问题、研究成果，向读者讲解了全书的结构和章节安排，之后给出了吉布斯分布和采样问题的严格数学定义，介绍全书中经常使用的相关概念，并总结一部分已有的算法设计和分析技术。第一部分（第3~5章）从算法和复杂性两个层面介绍有关局部采样的研究成果。第二部分（第6~8章）给出了两种不同的动态采样算法设计技术，并分析相应的算法性能。第三部分（第9~10章）研究了经典的公开问题，给出了一种新的快速采样算法设计技术和一种新的马尔可夫链收敛时间分析技术。所有介绍新结果的章节都给出了相应的本章小结，总结了该章的研究成果，列举了该方向遗留的公开问题。