基于混合差分蜂群算法的贝叶斯网络结构学习.pdf

《基于混合差分蜂群算法的贝叶斯网络结构学习.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第27卷第6期模式识别与人工智能V01．27No．62014年6月PR&AIJune2014基于混合差分蜂群算法的贝叶斯网络结构学习郭童林峰(浙江大学电气工程学院杭州310027)摘要贝叶斯网络的结构学习是贝叶斯网络理论模型的核心，而现有的贝叶斯网络结构学习算法一般存在效率偏低的问题．针对此问题，文中提出基于混合差分蜂群算法的贝叶斯网络结构学习算法．该算法首先利用最大生成树准则得到初始种群，然后利用差分进化算法中的交叉、变异规则优化初始种群．在使用差分进化算法的过程中，分别将蜂群算法应用于变异阶段和优化改进交叉阶段，并且将云自适应理论应用于选择阶段选择生成个体．在经典贝

2、叶斯网络上的仿真实验证明，文中算法在贝叶斯网络结构学习中具有较强的寻优能力．关键词贝叶斯网络，差分进化算法，蜂群算法，云自适应理论中图法分类号TP393BayesianNetworkStructureLearningBasedonHybridDifferentialEvolutionandBeeColonyAlgorithmGUOTong，LINFeng．(CollegeofElectricalEngineering，ZhejiangUniversity，Hangzhou310027)ABSTRACTBayesiannetworkstructurelearningist

3、hecoveofBayesiannetworktheoryandthecurrentalgorithmsoflearningBayesiannetworkstructuresarealwaysineficient．AmethodoflearningBayesiannetworkstructurebasedonhybriddifferentialevolutionandbeecolonyalgorithmisproposed．Themaximumweightspanningtreeisusedtogeneratethecandidatenetworks，andthenth

4、edifferentialevolutionalgorithmisusedtooptimizetheinitialpopulations．Intheprocessofusingthedifferentialevolutionalgorithm，thebeecolonyalgorithmisintroducedintovariationstageandoptinfiziugcrossstage，andbettercandidatesareselectedbyapplyingcloud—basedadaptivetheorytothechoosestage．Simulati

5、onresuhsonclassicBayesiannetworkshowthattheproposedalgorithmhasastrongsearchingabilityinBayesiannetworkstructurelearning．KeyWordsBayesianNetwork，DifferentialEvolutionAlgorithmBeeColonyAlgorithm，Cloud．Based，AdaptiveTheory收稿日期：2013—02—04；修回日期：2013—05—02作者简介郭童，男，1988年生，硕士研究生，主要研究方向为智能信息处理、知

6、识发现．E—mail：773900604@qq．tom．林峰(通讯作者)，男，1969年生，博士，副教授，主要研究方向为混合优化算法及其应用．E．mail：eeflin@zju．edu．cn．6期郭童等：基于混合差分蜂群算法的贝叶斯网络结构学习5411引言个个体；F∈(0，1)为缩放比例因子，用于控制差分向量的影响大小．2)交叉操作．对于个体置经过变异后的个体贝叶斯网络是将概率统计应用于复杂系统的不确定性推理和数据分析的一种有效工具，它将概率，为增加种群个体的多样性，进行如下变异：『()，P<~CR论与图论相结合对问题结构进行解释并对其建立模⋯．、⋯【置()，P>CR型

7、解决．贝叶斯网络是目前人工智能领域研究的热点，在专家系统、诊断系统及决策系统的研究中都发其中，=1，2，⋯，D，D为解空间维度；CR∈(0，1)挥着重要作用⋯．贝叶斯网络的学习是贝叶斯网络为杂交参数；P∈(0，1)为随机数．的基础，即通过分析数据而获得贝叶斯网络的过程．3)选择操作．在DE中，选择策略采取贪婪策略，即只有当子代个体优于父代个体才被保留，否则它包括参数学习和结构学习两种情况．参数学习指的是已知网络结构，确定网络参数的过程．结构学习父代个体将保留至下一代．是既要确定网络结构，又要确定网络参数．相对来说，结构学习要困难的多，因为