蟻群算法與遺傳算法的融合在貝葉斯網絡結構學習中的應用.pdf

1、Bayesian網絡，也被稱作概率信念網絡、因果網絡，是一種復雜聯(lián)合概率分布的圖表示方式，能有效地管理組成問題域的各隨機變量之間的條件獨立或依賴的關系。一旦一個Bayesian網絡建立后，它就提供了一個有效的工具來進行具體問題的推理。但是如何有效的建立這樣的一個網絡，仍然是當前一個有待進一步解決的問題。蟻群算法作為一種新近提出的啟發(fā)式算法，以其優(yōu)越的全局優(yōu)化的能力，獲得越來越多的研究者的關注。這篇論文的主要工作包括： (1)引入

2、了蟻群算法和遺傳算法融合的思想，在廣泛的參考和研究了前人所做工作的基礎上總結出了兩者的兩種基本融合方式，并在此基礎上進行了蟻群算法和遺傳算法的融合在貝葉斯網絡結構學習中的應用的探討； (2)針對兩種不同的融合策略分別提出了一系列的相關學習算法，在算法中充分考慮了兩者各自的優(yōu)勢，克服了各自的缺陷，并通過融合時機和融合策略的選擇提高了算法的性能和穩(wěn)定性。 (3)給出算法的具體描述，并通過實驗和相關的學習算法進行了比較。實驗結

3、果表明了蟻群算法和遺傳算法融合在貝葉斯網絡學習中的優(yōu)勢。 遺傳算法的引入，使蟻群算法克服了它本身所具有的控制參數(shù)難以確定和早熟停滯等缺陷以及算法初期收斂較慢的缺點，進一步提高了蟻群算法在求解組合最優(yōu)化問題中的效率。實驗結果表明，蟻群算法和遺傳算法融合的思想能顯著的提高蟻群算法的性能，克服了蟻群算法可能陷入局部最優(yōu)的缺陷，提高了算法初期的收斂速度，在數(shù)據(jù)完備和數(shù)據(jù)不完備的情況下都成功地從實驗數(shù)據(jù)集中學習到了較理想的貝葉斯網絡結構，