计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2009年
11期
4069-4072
,共4页
优化算法%蚁群优化算法%贝叶斯置信网%结构学习
優化算法%蟻群優化算法%貝葉斯置信網%結構學習
우화산법%의군우화산법%패협사치신망%결구학습
针对贝叶斯置信网的结构学习问题,提出一种遵循典型ACO算法框架(ACO-TSP)的贝叶斯网结构学习算法(ACO-BN),并拓展为包括EAS-BN、ACS-BN和MMAS-BN在内的一类算法.用这类算法在若干典型贝叶斯网络结构学习问题上分别与经典贝叶斯网学习算法(K2、B)、用于贝叶斯网学习的通用优化算法(simulated annealing、Tabu searching和genetic searching)以及L. M. de Campos等人提出的基于蚁群优化的贝叶斯网络结构学习算法 Ant-K2SN和Ant-B进行了比较.实验结果表明,这类算法在总体性能上要优于经典贝叶斯网学习算法、通用优化算法以及Ant-K2SN和Ant-B算法, 但是在时间性能上要略逊一筹.总的来说,这类算法是较为可行的一类贝叶斯置信网结构学习策略.
針對貝葉斯置信網的結構學習問題,提齣一種遵循典型ACO算法框架(ACO-TSP)的貝葉斯網結構學習算法(ACO-BN),併拓展為包括EAS-BN、ACS-BN和MMAS-BN在內的一類算法.用這類算法在若榦典型貝葉斯網絡結構學習問題上分彆與經典貝葉斯網學習算法(K2、B)、用于貝葉斯網學習的通用優化算法(simulated annealing、Tabu searching和genetic searching)以及L. M. de Campos等人提齣的基于蟻群優化的貝葉斯網絡結構學習算法 Ant-K2SN和Ant-B進行瞭比較.實驗結果錶明,這類算法在總體性能上要優于經典貝葉斯網學習算法、通用優化算法以及Ant-K2SN和Ant-B算法, 但是在時間性能上要略遜一籌.總的來說,這類算法是較為可行的一類貝葉斯置信網結構學習策略.
침대패협사치신망적결구학습문제,제출일충준순전형ACO산법광가(ACO-TSP)적패협사망결구학습산법(ACO-BN),병탁전위포괄EAS-BN、ACS-BN화MMAS-BN재내적일류산법.용저류산법재약간전형패협사망락결구학습문제상분별여경전패협사망학습산법(K2、B)、용우패협사망학습적통용우화산법(simulated annealing、Tabu searching화genetic searching)이급L. M. de Campos등인제출적기우의군우화적패협사망락결구학습산법 Ant-K2SN화Ant-B진행료비교.실험결과표명,저류산법재총체성능상요우우경전패협사망학습산법、통용우화산법이급Ant-K2SN화Ant-B산법, 단시재시간성능상요략손일주.총적래설,저류산법시교위가행적일류패협사치신망결구학습책략.
