基于改進(jìn)混合進(jìn)化算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí).pdf

1、貝葉斯網(wǎng)絡(luò)(Bayesian Networks，BN)是一種表達(dá)節(jié)點(diǎn)之間概率分布的圖形模型，在不確定性領(lǐng)域的應(yīng)用表現(xiàn)出了優(yōu)越的性能，已經(jīng)成為人工智能、決策系統(tǒng)、機(jī)器學(xué)習(xí)等領(lǐng)域的研究熱點(diǎn)。貝葉斯網(wǎng)絡(luò)學(xué)習(xí)由參數(shù)學(xué)習(xí)和結(jié)構(gòu)學(xué)習(xí)兩部分組成，而構(gòu)造正確的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)是進(jìn)行參數(shù)學(xué)習(xí)的前提，且貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)已經(jīng)被證明為NP問(wèn)題，因此研究有效的貝葉斯結(jié)構(gòu)學(xué)習(xí)算法具有非常重要的理論意義和現(xiàn)實(shí)價(jià)值。
　　 首先，文章闡述了貝葉斯網(wǎng)絡(luò)的研究背景

2、、發(fā)展現(xiàn)狀，并詳細(xì)介紹了貝葉斯的基本理論和貝葉斯結(jié)構(gòu)學(xué)習(xí)的常用三類方法。
　　 其次，在詳細(xì)介紹了遺傳算法和粒子群算法的基礎(chǔ)上提出了混沌混合遺傳算法用于貝葉斯結(jié)構(gòu)的學(xué)習(xí)。該算法融合了遺傳算法和粒子群算法，并采用云模型自適應(yīng)的調(diào)整慣性權(quán)重，加快收斂，增加種群多樣性，并優(yōu)化了種群的初始化;除此之外，利用混沌的遍歷性，實(shí)現(xiàn)在約束條件下對(duì)所有的結(jié)構(gòu)進(jìn)行均勻的搜索，提取初始的網(wǎng)絡(luò)種群，進(jìn)行混沌搜索，避免局部最優(yōu)。最后通過(guò)實(shí)驗(yàn)證明該算法的有