蟻群算法與遺傳算法的融合在貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)中的應(yīng)用.pdf

1、Bayesian網(wǎng)絡(luò)，也被稱(chēng)作概率信念網(wǎng)絡(luò)、因果網(wǎng)絡(luò)，是一種復(fù)雜聯(lián)合概率分布的圖表示方式，能有效地管理組成問(wèn)題域的各隨機(jī)變量之間的條件獨(dú)立或依賴(lài)的關(guān)系。一旦一個(gè)Bayesian網(wǎng)絡(luò)建立后，它就提供了一個(gè)有效的工具來(lái)進(jìn)行具體問(wèn)題的推理。但是如何有效的建立這樣的一個(gè)網(wǎng)絡(luò)，仍然是當(dāng)前一個(gè)有待進(jìn)一步解決的問(wèn)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(lái)越多的研究者的關(guān)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(chǔ)上總結(jié)出了兩者的兩種基本融合方式，并在此基礎(chǔ)上進(jìn)行了蟻群算法和遺傳算法的融合在貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)中的應(yīng)用的探討； (2)針對(duì)兩種不同的融合策略分別提出了一系列的相關(guān)學(xué)習(xí)算法，在算法中充分考慮了兩者各自的優(yōu)勢(shì)，克服了各自的缺陷，并通過(guò)融合時(shí)機(jī)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(guò)實(shí)驗(yàn)和相關(guān)的學(xué)習(xí)算法進(jìn)行了比較。實(shí)驗(yàn)結(jié)

3、果表明了蟻群算法和遺傳算法融合在貝葉斯網(wǎng)絡(luò)學(xué)習(xí)中的優(yōu)勢(shì)。 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(diǎn)，進(jìn)一步提高了蟻群算法在求解組合最優(yōu)化問(wèn)題中的效率。實(shí)驗(yàn)結(jié)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(shí)驗(yàn)數(shù)據(jù)集中學(xué)習(xí)到了較理想的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，