一類基于蟻群優化的貝葉斯置信網結構學習策略及性能分析

摘要：針對貝葉斯置信網的結構學習問題，提出一種遵循典型AcO算法框架(Ac0-TSP)的貝葉斯網結構學習算法(AcO-BN)，并拓展為包括EAs-BN、Acs—BN和MMAs-BN在內的一類算法。用這類算法在若干典型貝葉斯網絡結構學習問題上分別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(simulatedannealing、Tabu searching和genetic searching)以及L．M．de Campos等人提出的基于蟻群優化的貝葉斯網絡結構學習算法Ant-K2sN和Ant-B進行了比較。實驗結果表明，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。

關鍵詞：優化算法；蟻群優化算法；貝葉斯置信網；結構學習

中圖分類號：TP301．7

文獻標志碼：A

文章編號：1001—3695(2009)11—4069－04