金 焱 胡云安 张瑾 黄隽

(1海军航空工程学院控制工程系，烟台 264001)(2中国人民解放军91213部队装备部，烟台 264007)(3海军航空工程学院指挥系，烟台 264001)

贝叶斯网络结构学习是目前贝叶斯网络研究中的热点和难点问题，其目的是要通过对数据集的分析，发现节点之间的依赖关系，从而获得与数据集吻合最好的贝叶斯网络结构.贝叶斯网络结构学习是一个NP难题，在实际中，人们主要通过启发式方法来获取近似最优的网络结构.贝叶斯网络结构的学习方法一般分为基于独立性测试的方法和基于评分搜索的方法.前者通过计算节点之间的互信息或条件互信息来挖掘节点之间的因果依赖关系，从而构建出网络结构，其优点是比较直观，贴近贝叶斯网络的语义，把条件独立性测试和网络结构的搜索分离开，不足之处是对条件独立性测试产生的误差非常敏感［1］；后者利用一定的评分准则，通过在候选网络空间中进行评分搜索，得到评分最高的网络结构作为最优网络结构，其优点是过程简单规范，在稠密的网络结构下学习效率较高，但该类算法往往由于采用爬山法的搜索策略而不能找到最优的网络结构.基于独立性测试的方法的代表是Cheng［2］等提出的三段式学习算法；基于评分搜索的方法的代表是Cooper和Herskovits提出的K2算法［3］.后来研究学者又在此基础上通过融合先验知识、改进评分函数、改进搜索策略、结合其他组合优化算法，以及混合两类结构学……