王翔;郑建国;张超群;刘荣辉 一种改进的快速收敛贝叶斯优化算法。 （中文。英文摘要） 兹比尔1249.68175 华中科技大学学报。Technol公司。 39，第6号，66-70（2011）. 摘要：针对贝叶斯优化算法中贝叶斯网络学习时间复杂度高的问题，提出了一种快速收敛的K2-贝叶斯算法，以提高算法的收敛速度。新算法有两个改进：随机生成变量的拓扑排序，以增加算法的随机性；并且，在K2算法的基础上，它被用来学习贝叶斯网络的结构，以降低时间复杂度。三个基准函数的仿真结果表明了两个结论。首先，当求解3个接收函数和trap-5函数时，K2-Bayesian优化算法的适应度函数的求值次数与Bayesia优化算法的几乎相同；然而，K2-Bayesian优化算法的运行时间小于Bayesia优化算法。其次，当求解6极函数时，K2-Bayesian优化算法的适应度函数求值次数和运行时间都比Bayesia优化算法好得多。 MSC公司： 68T05型 人工智能中的学习和自适应系统 68瓦20 随机算法 关键词：贝叶斯优化算法;快速收敛;分布估计算法;K2算法;B算法 PDF格式BibTeX公司 XML格式引用 \textit{X.Wang}等人，华中科技大学学报。Technol公司。39，第6号，66–70（2011年；兹bl 1249.68175）