基于Jaya的贝叶斯网络结构学习算法研究

发布时间：2022-01-15 11:38

　　基于评分搜索的贝叶斯网络结构学习算法通常需要调参,导致计算量增大且不当的参数易使算法陷入局部最优。针对这一问题,将无需调参的Jaya算法应用于贝叶斯网络结构学习。在Jaya算法的框架下,结合遗传算法的交叉变异思想重新设计了个体更新策略,使Jaya算法能够应用于结构学习这一离散优化问题,并结合马尔科夫链的相关理论讨论了所提算法的敛散性。实验结果表明,该算法能有效应用于贝叶斯网络结构学习。 

【文章来源】：计算机工程与应用. 2019,55(19)北大核心CSCD

【文章页数】：6 页

【文章目录】：
1 引言
2 BN的结构学习问题
3 基于Jaya的BN结构学习算法
    3.1 Jaya基本理论
    3.2 Jaya算法在BN结构学习中的应用
4 BN-Jaya算法的敛散性分析
5 实验与分析
6 结束语


【参考文献】：
期刊论文
[1]基于混合粒子群优化的贝叶斯网络结构学习方法[J]. 尉永清,陈小雪,伊静,孟媛媛.  小型微型计算机系统. 2018(09)
[2]基于飞蛾-烛火优化算法的贝叶斯网络结构学习[J]. 包义钊,殷保群,曹杰,姚进发.  计算机工程. 2018(01)



本文编号：3590552