桑塔纳，罗伯托;亚历山大·门迪布鲁;Jose A.Lozano。 综述了分布估计算法中的消息传递算法。 （英语） Zbl 1415.68177号 自然计算。 15，第1期，165-180（2016）. 概要：消息传递算法（MPA）传统上被用作概率图形模型中的推理方法。最近在分布估计算法（EDA）领域引入了一些MPA变体，以提高这些算法的效率。MPA的多项发展表明，这些方法作为混合EDA的一部分应用的潜力越来越大。在本文中，我们回顾了最近关于应用MPA的EDA的工作，并提出了进一步扩大MPA和EDA之间有用协同作用的方法。此外，我们分析了MPA开发在其未来应用于EDA和其他进化算法时可能产生的一些影响。 引用于1文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 关键词：消息传递算法;传播;分布算法的估计;杂交 软件：ap集群;APC集群;利伯达 PDF格式BibTeX公司 XML格式引用 \textit{R.Santana}等人，《自然计算》。15，第1号，165--180（2016；Zbl 1415.68177） 全文： 内政部 参考文献： [1] Abbeel P、Koller D、Ng AY（2006）《多项式时间和样本复杂性中的学习因子图》。J Mach学习研究7:1743-1788·Zbl 1222.68128号 [2] 巴卢贾，S。；戴维斯，S。；Fisher，DH（ed.），《使用最优依赖树进行组合优化：学习搜索空间的结构》，30-38（1997），旧金山 [3] Batra D、Gallagher A、Parikh D、Chen T（2010）《超越树：通过外平面分解的MRF推断》。2010年IEEE计算机视觉和模式识别会议（CVPR）。IEEE，旧金山，第2496-2503页 [4] Bickson D（2008）《高斯信念传播：理论与应用》。arXiv预打印arXiv:0811.2518。2014年12月18日访问 [5] Braunstein A，Mézard M，Zecchina R（2005）调查传播：可满足性的算法。随机结构算法27（2）：201-226·Zbl 1087.68126号 ·doi:10.1002/rsa.20057 [6] Braunstein，A。；Mézard，M。；西葫芦。；Percus，A.（编辑）；Istrate，G.（编辑）；Moore，C.（编辑），《调查传播的约束满意度》，107-124（2006），牛津·Zbl 1156.82315号 [7] Brownlee AE，McCall JA，Shakya SK，Zhang Q（2010）基于马尔可夫网络的分布估计算法中的结构学习和优化。In：在进化算法中利用链接学习。柏林施普林格，第45-69页 [8] Brownlee AEI（2009）《分布估计算法中适应度建模的多元马尔可夫网络》。博士论文，罗伯特·戈登大学计算机学院，阿伯丁 [9] Brownlee AEI，McCall J，Pelikan M（2012），马尔可夫网络EDA中选择对结构学习的影响：一项实证研究。MEDAL报告编号：2012006。密苏里分布算法估计实验室（MEDAL） [10] Brownlee AEI，McCall J，Zhang Q，Brown D（2008）选择方法及其对分布估计算法中适应度建模的影响。在：2008年进化计算大会会议记录CEC-2008。IEEE出版社，香港，第2621-2628页 [11] Ceberio J，Irurozki E，Mendiburu A，Lozano JA（2012）基于排列的组合优化问题中分布算法估计的综述。程序艺术智能1（1）：103-117·doi:10.1007/s13748-011-0005-3 [12] Ceberio J，Mendiburu A，Lozano JA（2013）基于排列优化问题的Plackett-Luce排名模型。2013年IEEE进化计算大会（CEC）。IEEE，坎昆，第494-501页 [13] Chen B，Hu J（2010a）基于聚类分析的自适应小生境EDA。2010年：IEEE进化计算大会（CEC）。IEEE，巴塞罗那，第1-7页 [14] Chen B，Hu J（2010b）一种新的基于聚类的蛋白质折叠小生境EDA。摘自：2009年世界自然与生物启发计算大会会议记录。NaBIC 2009年。IEEE，哥印拜陀，第748-753页 [15] Crick C，Pfeffer A（2003），松散信念传播是传感器网络通信的基础。摘自：第19届人工智能不确定性年会论文集（UAI-2003）。Morgan Kaufmann Publishers，旧金山，第159-166页 [16] Deming WE，Stephan FF（1940）当预期边际总量已知时，对采样频率表进行最小二乘调整。数学年鉴11（4）：427-444·JFM 66.0652.02号 ·doi:10.1214/aoms/1177731829 [17] Dolev D，Bickson D，Johnson J（2009）高斯信念传播的固定收敛性。2009年IEEE信息理论国际研讨会。ISIT 2009。IEEE，首尔，第1674-1678页 [18] Domínguez E、Lage-Castellanos A、Mulet R、Ricci-Tersenghi F、Rizzo T（2011）《描述和改进2D Edwards-Anderson模型上的广义信念传播算法》。统计力学理论实验2011（12）：P12007·doi:10.1088/1742-5468/2011/12/P12007 [19] Dong W，Yao X（2008）NichingEDA：利用EDA群体内的多样性进行持续优化。摘自：2008年进化计算大会会议记录（CEC-2008）。IEEE出版社，香港，第1260-1267页 [20] Duchi J，Tarlow D，Elidan G，Koller D（2007）在最大生产信念传播中使用组合优化。摘自：《神经信息处理系统进展19：2006年会议记录》，第19卷。麻省理工学院出版社，剑桥，第369页 [21] Echegoyen C（2012）对分析和理解分布算法估计的贡献。巴斯克大学计算机科学和人工智能系博士论文 [22] Echegoyen C，Lozano JA，Santana R，Larrañaga P（2007）分布估计算法中的精确贝叶斯网络学习。在：2007年进化计算大会会议记录CEC-2007。IEEE出版社，Los Alamitos，第1051-1058页。doi:10.1109/CEC.2007.4424586 [23] Echegoyen C，Santana R，Lozano JA，Larrañaga P（2008）基于贝叶斯网络的EDA中概率学习算法的影响。在：进化计算中的联系，计算智能的研究。柏林施普林格，第109-139页。doi:10.1007/978-3-540-85068-76·Zbl 1154.68461号 [24] Echegoyen C，Mendiburu A，Santana R，Lozano JA（2009）基于贝叶斯网络分析EDA中的最优概率。在：2009年进化计算大会会议记录CEC-2009。IEEE出版社，特隆赫姆，第1652-1659页。doi:10.1109/CEC.2009.4983140 [25] Echegoyen C、Mendiburu A、Santana R、Lozano JA（2010a）基于贝叶斯网络分析EDA中的k个最可能解决方案。在：在进化算法、进化学习和优化中开发链接学习。施普林格，第163-189页。doi:10.1007/978-3642-12834-98·Zbl 1190.90009 [26] Echegoyen C，Mendiburu A，Santana R，Lozano JA（2010b）一类复杂网络中贝叶斯网络算法的估计。在：2010年进化计算大会会议记录CEC-2010。IEEE出版社，巴塞罗那。doi:10.1109/CEC.2010.5586511·Zbl 1329.68237号 [27] Echegoyen C，Zhang Q，Mendiburu A，Santana R，Lozano JA（2011）关于分布算法估计有效性的限制。摘自：2011年进化计算大会会议记录（CEC-2007）。IEEE出版社，新奥尔良，第1573-1580页。doi:10.1109/CEC.2011.5949803 [28] Echegoyen C、Mendiburu A、Santana R、Lozano JA（2012）通过定量分析，基于贝叶斯网络理解EDA。IEEE Trans-Evol计算16（2）：173-189。doi:10.1109/TEVC.2010.2102037·doi:10.1109/TEVC.2010.2102037 [29] 埃克塞贝里亚，R。；拉腊尼亚加，P。；Ochoa，A.（编辑）；索托，MR（编辑）；Santana，R.（编辑），使用贝叶斯网络的全局优化，332-339（1999），哈瓦那 [30] Frey BJ，Dueck D（2007）通过在数据点之间传递消息进行聚类。科学315:972-976·Zbl 1226.94027号 ·doi:10.1126/science.1136800 [31] Furtlehner C，Schoenauer M（2010）具有调查传播的多目标3-SAT。摘自：加拿大惠斯勒NIPS 2010机器学习离散优化研讨会论文集：结构、算法和应用（DISCML）。http://hal.inria.fr/inria-005331492014年12月18日访问 [32] Gao Y，Culberson JC（2005）分布估计算法的空间复杂性。进化计算13（1）:125-143·doi:10.1162/1063656053583423 [33] Givoni IE，Frey BJ（2009）亲和力传播的二元变量模型。神经计算21（6）：1589-1600·兹比尔1183.68476 ·doi:10.1162/neco.2009.05-08-785 [34] Givoni IE，Chung C，Frey BJ（2011）层次亲和传播。摘自：第27届人工智能不确定性年会论文集（UAI-2011）。Morgan Kaufmann，巴塞罗那 [35] Goldberg DE（1989）搜索、优化和机器学习中的遗传算法。Addison-Wesley，阅读·Zbl 0721.68056号 [36] González C，Lozano JA，Larrañaga P（2002）带锦标赛选择的UMDAc算法数学建模。线性和二次函数的行为。国际J近似原因31（4）：313-340·Zbl 1023.68125号 ·doi:10.1016/S0888-613X（02）00092-0 [37] Grahl J，Minner S，Bosman PA（2008）学习结构阐明了黑盒——分布算法估计的介绍。在：硬优化的元启发式的进展。柏林施普林格，第365-395页·Zbl 1211.90306号 [38] Harik G（1999）通过ECGA中的概率建模进行关联学习。伊利加尔报告99010。伊利诺伊大学厄本那-香槟分校，伊利诺伊遗传算法实验室，厄本那 [39] Hartmann AK，Weigt M（2005）组合优化问题中的相变：基础、算法和统计力学。韦恩海姆·威利·Zbl 1094.82002号 ·数字对象标识代码：10.1002/3527606734 [40] Helmi BH、Rahmani AT、Pelikan M（2014）基于因子图的遗传算法。国际应用数学与计算科学杂志24（3）：621-633·Zbl 1322.90117号 ·doi:10.2478/amcs-2014-0045 [41] 亨利安，M。；Lemmer，JF（编辑）；Kanal，LN（编辑），通过概率逻辑抽样在贝叶斯网络中传播不确定性，149-164（1988），阿姆斯特丹·Zbl 0649.68095号 [42] Heskes T（2004）关于信念传播不动点的唯一性。神经计算16:2379-2413·Zbl 1089.68593号 ·doi:10.1162/0899766041943 [43] Holland JH（1975）《自然和人工系统的适应：生物学、控制和人工智能应用的介绍性分析》。密歇根大学出版社，安娜堡·Zbl 0317.68006号 [44] Höns R（2006）分布算法和最小相对熵的估计。波恩大学博士论文·Zbl 1147.90398号 [45] Höns，R。；Shakya，S.（编辑）；Santana，R.（编辑），《在分布算法估计中使用最大熵和广义置信传播》，175-190（2012），柏林·Zbl 1251.68204号 ·doi:10.1007/978-3-642-28900-2-11 [46] Höns R、Santana R、Larrañaga P、Lozano JA（2007）《使用Kikuchi近似的最大传播优化》。EHU-KZAA-IK-2/07技术报告。巴斯克大学计算机科学与人工智能系 [47] Ihler AT、Fisher J、Willsky AS（2006），松散信念传播：信息错误的收敛和影响。J Mach学习研究6（1）：905·Zbl 1222.68224号 [48] Jiroušek R，Přeučil S（1995）关于迭代比例拟合程序的有效实施。计算统计数据分析19:177-189·Zbl 0875.65122号 ·doi:10.1016/0167-9473（93）E0055-9 [49] Johnson A，Shapiro JL（2002）分布估计算法中选择机制的重要性。收录：Collet P（ed）《2001年EA会议录》，计算机科学课堂讲稿，第2310卷。施普林格，第91-103页·Zbl 1054.68650号 [50] Kaban A、Bootkrajang J、Durrant RJ（2013）《走向大规模连续EDA：随机矩阵理论视角》。摘自：GECCO-2013遗传和进化计算会议论文集。阿姆斯特丹ACM，第383-390页 [51] Karshenas H、Santana R、Bielza C、Larrañaga P（2011）《目标和变量联合概率建模的多目标优化》。摘自：进化多准则优化：第六届国际会议，EMO 2011，计算机科学课堂讲稿。柏林施普林格，第298-312页。doi:10.1007/978-3-642-19893-9_21·兹比尔1214.68021 [52] Karshenas，H。；桑塔纳，R。；比尔扎，C。；拉腊尼亚加，P。；Shakya，S.（编辑）；Santana，R.（编辑），基于因子化高斯马尔可夫网络的分布算法的连续估计，157-173（2012），柏林·Zbl 1251.68205号 ·doi:10.1007/978-3-642-28900-2-10 [53] Kim K，McKay BR，Punithan D（2010）使用原型树的遗传规划分布算法估计中的抽样偏差。摘自：PRICAI 2010：人工智能趋势。柏林施普林格，第100-111页 [54] Kroc L，Sabharwal A，Selman B（2009）消息传递和局部启发式作为可满足性的抽取策略。摘自：2009年ACM应用计算研讨会论文集。火奴鲁鲁ACM，第1408-1414页 [55] Kschichang FR，Frey BJ，Loeliger HA（2001）因子图和和积算法。IEEE Trans-Inf理论47（2）：498-519·Zbl 0998.68234号 ·数字对象标识代码：10.1109/18.910572 [56] Larrañaga P，Lozano JA（eds）（2002）分布算法的估计。进化计算的新工具。Kluwer学术出版社，波士顿·Zbl 0979.00024号 [57] Leone M、Weigt S和Weigt M（2007）《软约束亲和传播聚类：基因表达数据的应用》。生物信息学23（20）：2708-2715·doi:10.1093/bioinformatics/btm414 [58] Lima CF（2009）离散分布估计算法中的子结构局部搜索。阿尔加维大学博士论文 [59] Lima CF、Pelikan M、Goldberg DE、Lobo FG、Sastry K、Hauschild M（2007）《选择和替代策略对BOA中关联学习的影响》。摘自：2007年进化计算大会会议记录CEC-2007。IEEE出版社，Los Alamitos，第1083-1090页 [60] Lima CF，Pelikan M，Lobo FG，Goldberg DE（2009）贝叶斯优化算法的松散子结构局部搜索。In：工程随机局部搜索算法。设计、实施和分析有效的启发式。柏林施普林格，第61-75页·Zbl 1172.68312号 [61] Lozano JA、Larrañaga P、Inza I、Bengoetxea E（eds）（2006）《走向新的进化计算：分布算法估计的进展》。海德堡施普林格·Zbl 1089.68121号 [62] Mahfoud SW（1995）遗传算法的小生境方法。伊利诺伊大学厄巴纳-香槟分校博士论文。IlliGAL第95001号报告 [63] Malioutov DM、Johnson JK、Willsky AS（2006）高斯图形模型中的行走和和信念传播。J Mach学习研究7:2031-2064·Zbl 1222.68254号 [64] Meltzer T，Yanover C，Weiss Y（2005）使用加权信念传播实现立体视觉能量最小化的全局最优解决方案。摘自：第十届IEEE计算机视觉国际会议，第428-435页 [65] Mendiburu A、Lozano J、Miguel-Alonso J（2005）基于概率图形模型的EDA并行实现。IEEE Trans-Evol计算9（4）：406-423·doi:10.1010/TEVC.2005.850299 [66] Mendiburu A，Santana R，Bengoetxea E，Lozano，J（2007a）循环信念传播的并行框架。收录：Thierens D等人（编辑）遗传和进化计算会议论文集GECCO-2007，第二卷。配套材料。ACM出版社，伦敦，第2843-2850页。http://dl.acm.org/citation.cfm？id=12740842014年12月18日访问 [67] Mendiburu A，Santana R，Lozano JA（2007b）《在分布算法估计中引入置信传播：并行框架》，技术报告EHU-KAT-IK-11/07。巴斯克大学计算机科学与人工智能系·兹比尔1251.68211 [68] Mendiburu，A。；桑塔纳，R。；日本洛扎诺；桑塔纳·R（编辑）；Shakya，S.（编辑），使用信念传播估计分布算法的快速适应度改进，141-155（2012），柏林·Zbl 1251.68211号 ·doi:10.1007/978-3-642-28900-2-9 [69] Mézard M，Parisi G，Zechina R（2002）随机可满足性问题的分析和算法解。科学297:812-812。doi:10.1126/science.1073287·doi:10.1126/science.1073287 [70] Minka T（2001）近似贝叶斯推理的一系列算法。麻省理工学院博士论文 [71] Minka T（2005）《分歧度量与信息传递》。技术报告TR-2005-173。三菱电子研究实验室 [72] Mooij JM（2005）二元真实世界网络上循环信念传播的有效性估计。主题：神经信息处理系统的进展17。麻省理工学院出版社，剑桥，第945-952页 [73] Mooij J（2010）libDAI：一个免费的开源C++库，用于图形模型中的离散近似推理。J Mach学习研究11:2169-2173·Zbl 1242.62004号 [74] Mühlenbein，H。；Shakya，S.（编辑）；Santana，R.（编辑），分布算法估计的收敛定理，91-108（2012），柏林·Zbl 1251.68212号 ·doi:10.1007/978-3-642-28900-2-6 [75] Mühlenbein H，Höns R（2006）因式分解分布和最小相对熵原理。In：Pelikan M，Sastry K，Cantú-Paz E（eds）通过概率建模进行可扩展优化：从算法到应用，计算智能研究。柏林施普林格，第11-38页·Zbl 1118.90002号 [76] Mühlenbein H，Mahnig T（2002）进化优化和搜索分布估计及其在图二划分中的应用。国际J近似原因31（3）：157-192·Zbl 1056.68135号 ·doi:10.1016/S0888-613X（02）00093-2 [77] Mühlenbein，H。；巴阿·G·。；Voigt，HM（编辑）；Ebeling，W.（编辑）；Rechenberg，I.（编辑）；Schwefel，HP（编辑），《从基因重组到分布估计I.二进制参数》，第1141期，178-187（1996），柏林·doi:10.1007/3-540-61723-X_982 [78] Mühlenbein H，Mahnig T，Ochoa A（1999）进化优化中的模式、分布和图形模型。启发式杂志5（2）：213-247·Zbl 0938.90035号 ·doi:10.1023/A:1009689913453 [79] Munetomo M，Murao N，Akama K（2008）将赋值函数引入贝叶斯优化算法。信息科学178（1）：152-163·Zbl 1128.68094号 ·doi:10.1016/j.ins.2007.08.014 [80] Murphy KP，Weiss Y，Jordan MI（1999），近似推理的松散信念传播：一项实证研究。摘自：第十五届人工智能不确定性会议记录。Morgan Kaufmann Publishers，Inc.，旧金山，第467-475页 [81] Nilsson D（1998）在概率专家系统中找到M个最可能配置的有效算法。统计计算2:159-173·doi:10.1023/A:1008990218483 [82] Ocenasek J，Schwarz J（2002）混合连续离散优化问题的分布估计算法。在：第二届欧洲国际计算智能研讨会论文集。科西斯IOS出版社，第227-232页 [83] Ochoa A，Höns R，Soto MR，Mühlenbein H（2003）EDA中采样的最大熵方法——单连通情况。内容：模式识别、语音和图像分析的进展，计算机科学课堂讲稿，第2905卷。柏林施普林格，第683-690页 [84] Pearl J（1988）《智能系统中的概率推理：似然推理网络》。圣马特奥摩根·考夫曼 [85] Pelikan M，Goldberg DE，Lobo F（2002）通过建立和使用概率模型进行优化的调查。计算优化应用程序21（1）：5-20·兹比尔0988.90052 ·doi:10.1023/A:1013500812258 [86] Peña J，Lozano JA，Larrañaga P（2005）基于贝叶斯网络无监督学习的分布估计算法的全球多峰问题优化。进化计算13（1）：43-66·doi:10.1162/1063656053583432 [87] Ponce de León，E。；Díaz，E。；Shakya，S.（编辑）；Santana，R.（编辑），基于图形马尔可夫模型结构上剪接吉布斯抽样的自适应进化算法，109-123（2012），柏林·兹比尔1251.68215 ·doi:10.1007/978-3-642-28900-2_7 [88] Regnier-Coudert O（2013）贝叶斯网络结构学习，使用置换表示的特征属性，并应用于前列腺癌治疗。罗伯特·戈登大学博士论文 [89] Rivera JP，Santana R（2000）基于分布估计的算法设计，以在XCS分类器系统中生成新规则。技术报告ICIMAF 2000-100，CEMAFIT 2000-78。哈瓦那控制论、数学和物理研究所 [90] Santana R（2003）因子化分布算法：无选择总体的选择。ICIMAF 2003-240技术报告。哈瓦那控制论、数学和物理研究所 [91] 桑塔纳R（2006）优化和学习概率图形模型的进展。蛋白质建模应用。巴斯克大学博士论文 [92] Santana R，Larrañaga P，Lozano JA（2005）分布算法估计中的相互作用和依赖性。摘自：2005年进化计算大会会议记录（CEC-2005）。爱丁堡IEEE出版社，第1418-1425页。doi:10.1109/CEC.2005.1554856 [93] Santana R、Mendiburu A、Lozano JA（2008）三种拓扑结构中的循环信念传播实证分析：网格、小世界网络和随机图。摘自：Jaeger M，Nielsen TD（eds）第四届概率图形模型欧洲研讨会论文集（PGM-2008），第249-256页 [94] Santana R，Larrañaga P，Lozano JA（2010）使用亲和传播估计分布算法中的学习因子分解。Evol计算机18（4）：515-546。http://www.mitpressjournals.org/doi/abs/10.1162/EVCO_a_00002。2014年12月18日访问 [95] Santana R、Mendiburu A、Lozano JA（2012a）进化解算器的进化NK复杂性。摘自：2012年遗传和进化计算会议GECCO-2012的伴随会议记录。费城ACM出版社，第1473-1474页。http://dl.acm.org/citation.cfm？id=2330997。2014年12月18日访问 [96] Santana R、Mendiburu A、Lozano JA（2012b）基于马尔可夫网络的EDA中生成种群的新方法：抽取策略和基于模型的模板重组。EHU-KZAA-TR:2012-05技术报告。巴斯克大学计算机科学和人工智能系。http://hdl.handle.net/10810/9180。2014年12月18日访问 [97] Santana R、Mendiburu A、Lozano JA（2013）基于马尔可夫网络的分布算法估计的消息传递方法。摘自：第四届群、进化和模因计算会议记录（SEMCCO-2013），计算机科学讲稿。斯普林格，钦奈，第419-430页（印刷中） [98] Sastry K，Abbass HA，Goldberg DE，Johnson D（2005），分布估计算法中的子结构小生境。摘自：2005年遗传和进化计算会议记录。ACM，华盛顿特区，第671-678页 [99] Sastry K，Lima CF，Goldberg DE（2006）使用子结构信息和线性估计评估松弛。摘自：第八届遗传和进化计算年会论文集。ACM，纽约，第419-426页 [100] Sastry，K。；Goldberg，DE；勒拉，X。；Thierens，D.（编辑）；等。，《通过分布算法的并行估计实现十亿位优化》，第I期，577-584（2007），伦敦 [101] Sato H，Hasegawa Y，Bollegala D，Iba H（2012），基于信念传播的概率模型构建GP。2012年IEEE进化计算大会（CEC）。IEEE，第1-8页 [102] Shakya S、Santana R、Lozano JA（2012）基于Markovianity的优化算法。基因程序进化马赫数13（2）：159-195。doi:10.1007/s10710-011-9149-y·doi:10.1007/s10710-011-9149-y [103] Soto MR（2003）单连通因子分解分布算法及其评估成本。哈瓦那大学博士论文（西班牙语） [104] Suwannik W，Chongstitvatana P（2008）使用带算术编码的估计分布算法解决十亿位噪声OneMax问题。摘自：2008年进化计算大会会议记录（CEC-2008）。IEEE出版社，香港，第1203-1206页 [105] Tanaka K，Shouno H，Okada M，Titterington D（2004）概率图像处理中超参数估计的Bethe近似精度。物理学杂志A 37（36）：8675·Zbl 1073.94003号 ·doi:10.1088/0305-4470/37/36/007 [106] Valdez-Peña IS，Hernández-Aguirre a，Botello-Rionda S（2009）《将搜索分布近似为EDA中的选择分布》。摘自：GECCO-2009遗传和进化计算会议论文集。ACM，纽约，第461-468页 [107] Van Hoywehen C，Goldberg D，Naudts B（2002a）从twomax到Ising模型：简单和困难的对称问题。在：遗传和进化计算会议论文集GECCO-2002。Morgan Kaufmann Publishers，Inc.，旧金山，第626-633页 [108] Van Hoyweghen C、Naudts B、Goldberg D（2002b）《自旋滑移对称与同步》。进化计算10（4）：317-344·doi:10.1162/106365602760972749 [109] Wainwright MJ，Jordan MI（2003），图形模型，指数族和变分推理。技术报告649。加州大学伯克利分校统计系 [110] Wainwright M，Jaakkola T，Willsky A（2002）通过（超）树协议的精确MAP估计。Adv Neural Inf过程系统15:809-816 [111] Wainwright M，Jaakkola T，Willsky A（2004）树的一致性和最大乘积算法的性能界限及其推广。统计计算14:143-166·doi:10.1023/B:STCO.0000021412.33763.d5 [112] Wang Z，Zoghi M，Hutter F，Matheson D，De Freitas N（2013）通过随机嵌入实现高维贝叶斯优化。收录：第二十届国际人工智能联合会议记录。AAAI出版社，芝加哥，第1778-1784页 [113] Weiss Y（2000）带回路的图形模型中局部概率传播的正确性。神经计算12:1-41·Zbl 0974.76074号 ·doi:10.1162/089976600300015880 [114] Weiss Y，Freeman WT（2001）关于任意图中最大乘积信念传播算法解的最优性。IEEE Trans-Inf理论47（2）：723-735·Zbl 1002.94057号 ·doi:10.1109/18.910585 [115] Welling M（2004）关于广义信念传播区域的选择。摘自：第20届人工智能不确定性会议论文集（UAI-2004）。Morgan Kaufmann Publishers，Banff，第585-592页 [116] Wiegerinck W，Heskes T（2003）分数信念传播。主题：神经信息处理系统的进展。麻省理工学院，温哥华，第455-462页 [117] Xing EP，Jordan MI（2003）广义平均场推理的图划分策略。技术报告CSD-03-1274。加州大学伯克利分校计算机科学部 [118] 亚诺威，C。；韦斯，Y。；Becker，S.（编辑）；Thrun，S.（编辑）；Obermayer，K.（编辑），近似推断和蛋白质折叠，1457-1464（2003），剑桥 [119] Yedidia JS，Freeman WT，Weiss Y（2005）构建自由能近似和广义置信传播算法。IEEE跨信息理论51（7）：2282-2312·Zbl 1283.94023号 ·doi:10.1109/TIT.2005.850085 [120] Yuille A（2001）最小化Bethe和Kikuchi自由能的双回路算法。神经计算14（6）：1691-1722·Zbl 1051.68121号 [121] Zilberstein S（1996）在智能系统中使用任何时间算法。AI Mag 17（3）：73 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。