混合鱼群优化算法的贝叶斯网络结构学习
2016-06-22陈梦洁吴克风童恒庆
陈梦洁,万 源,吴克风,童恒庆
(1.武汉理工大学 理学院,湖北 武汉 430070;2.华中科技大学 自动化学院,湖北 武汉 430074)
混合鱼群优化算法的贝叶斯网络结构学习
陈梦洁1,万源1,吴克风2,童恒庆1
(1.武汉理工大学 理学院,湖北 武汉 430070;2.华中科技大学 自动化学院,湖北 武汉 430074)
摘要:针对从数据集学习贝叶斯网络结构准确率不高的问题,提出了一种基于混合鱼群优化算法的结构学习算法。首先,利用互信息和最大似然树生成初始无向图;然后,由无向图的边随机生成初始种群,将粒子群算法的个体记忆和交流意识引入鱼群算法的行为模式,减小算法搜索行为的盲目性;最后,将优势遗传算法的变异和交叉算子应用于算法的寻优过程。仿真实验结果验证了改进后的算法具有更强的寻优能力。
关键词:贝叶斯网络;结构学习;粒子群算法;人工鱼群算法;自适应遗传算法
0引言
贝叶斯网络(Bayesian network,BN)结合了图论和概率论,善于解决不确定性知识的表达和推理问题。BN被广泛应用在人工智能、自动控制和机器学习等领域。BN结构学习的方法[1-4]可分为3类:基于条件独立性测试的方法、基于评分搜索的方法和混合算法。
由于寻找最优贝叶斯网络是一个非确定性多项式(non-deterministic polynomial,NP)难题,网络结构空间大小会随着网络节点个数的增加呈指数增加,因此,BN结构学习的方法主要采用启发式搜索方法。文献[3]将基于免疫策略的二进制粒子群算法应用于BN结构学习,算法收敛较快,但准确度仍待提高。文献[4]提出了基于改进粒子群优化算法的BN结构学习方法,通过节点的互信息限制网络结构的搜索空间,适用于节点较少的网络结构。……
