基于无约束优化和遗传算法的贝叶斯网络结构学习方法
DOI:
CSTR:
作者:
作者单位:

1. 河南师范大学 数学与信息科学学院
2. 西安电子科技大学 理学院数学系

作者简介:

汪春峰

通讯作者:

中图分类号:

TP301

基金项目:

国家自然科学基金;中央高校基本科研业务资助项目


Bayesian network structure learning based on unconstrained optimization and genetic algorithm
Author:
Affiliation:

Fund Project:

National Nature Science Fund of China

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    基于无约束优化和遗传算法, 提出一种学习贝叶斯网络结构的限制型遗传算法. 首先构造一无约束优化问
    题, 其最优解对应一个无向图. 在无向图的基础上, 产生遗传算法的初始种群, 并使用遗传算法中的选择、交叉和变
    异算子学习得到最优贝叶斯网络结构. 由于产生初始种群的空间是由一些最优贝叶斯网络结构的候选边构成, 初始
    种群具有很好的性质. 与直接使用遗传算法学习贝叶斯网络结构的效率相比, 该方法的学习效率相对较高.

    Abstract:

    Based on unconstrained optimization and genetic algorithm, this paper presents a constrained genetic
    algorithm(CGA) for learning Bayesian network structure. Firstly, an undirected graph is obtained by solving an unconstrained
    optimization problem. Then based on the undirected graph, the initial population is generated, and selection, crossover and
    mutation operators are used to learn Bayesian network structure. Since the space of generating the initial population is
    constituted by some candidate edges of the optimal Bayesian network, the initial population has good property. Compared
    with the methods which use genetic algorithm(GA) to learn Bayesian network structure directly, the proposed method is
    more efficiency.

    参考文献
    相似文献
    引证文献
引用本文

汪春峰, 张永红.基于无约束优化和遗传算法的贝叶斯网络结构学习方法[J].控制与决策,2013,28(4):618-622

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2011-11-03
  • 最后修改日期:2012-02-10
  • 录用日期:
  • 在线发布日期: 2013-04-20
  • 出版日期:
文章二维码