一種Bayesian網(wǎng)絡(luò)結(jié)構(gòu)的并行學(xué)習(xí)方法.pdf

1、學(xué)習(xí)Bayesian網(wǎng)絡(luò)問(wèn)題是人工智能領(lǐng)域的一大熱點(diǎn)問(wèn)題。由于網(wǎng)絡(luò)結(jié)構(gòu)的空間分布隨著變量的數(shù)目和每個(gè)變量的狀態(tài)數(shù)量呈指數(shù)級(jí)增長(zhǎng)，因此學(xué)習(xí)Bayesian網(wǎng)絡(luò)是一個(gè)NP難度問(wèn)題。為了克服在構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)中計(jì)算和搜索的復(fù)雜性，許多學(xué)者進(jìn)行了大量的探索性工作，提出了很多算法，但都有自身的局限性。對(duì)于這樣一種NP難度問(wèn)題，使用啟發(fā)算法來(lái)學(xué)習(xí)是個(gè)明智的選擇。其中蟻群優(yōu)化算法ACO是對(duì)解決組合優(yōu)化問(wèn)題表現(xiàn)出了卓越的性能和效率，但ACO算法高時(shí)空復(fù)雜度

2、的本質(zhì)決定了它的局限性，算法精度還有提高空間。隨著高性能計(jì)算平臺(tái)的發(fā)展，并行化求解組合優(yōu)化問(wèn)題的算法相繼出現(xiàn)。 本課題就學(xué)習(xí)Bayesian算法問(wèn)題，提出一種并行算法PACOB，分別將BDe方式和MDL方式單獨(dú)使用到該算法當(dāng)中，并嘗試了同時(shí)將兩種打分方式相結(jié)合，共同應(yīng)用于該算法，用混合的方法來(lái)學(xué)習(xí)Bayesian網(wǎng)絡(luò)。對(duì)ALARM和DJC數(shù)據(jù)集進(jìn)行的實(shí)驗(yàn)結(jié)果表明，PACOB算法取得了較好質(zhì)量的解，為學(xué)習(xí)Bayesian網(wǎng)絡(luò)提供了