×
张向银;薛玉莹;陆兴阳;贾松敏

贝叶斯网络结构学习中基于差分进化的协同进化蚁群优化算法。 （英语） Zbl 1461.90202号

算法（巴塞尔） 11，第11号，第188号论文，16页（2018）.
摘要：从数据中学习贝叶斯网络结构越来越受到人们的关注。已经引入了许多启发式算法来搜索与给定训练数据集最匹配的最优网络。为了进一步提高蚁群优化算法（ACO）在学习BNs结构方面的性能，提出了一种新的改进的协同进化ACO算法（coACO），该算法以信息素信息为协作因子，以差分进化（DE）为协作策略。与基本蚁群算法不同，coACO将整个蚁群划分为不同的子蚁群（群），其中采用DE算子来实现协同进化过程。实验结果表明，该算法在收敛性和准确性方面优于基本蚁群算法。

MSC公司：

90 C59 数学规划中的近似方法和启发式
90B15号机组 运筹学中的随机网络模型
68T05型 人工智能中的学习和自适应系统
90立方厘米 涉及图形或网络的编程

关键词：

贝叶斯网络;蚁群优化;结构学习;合作进化;差异演化

软件：

BNT公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Zhang}等人，《算法（巴塞尔）》11，第11期，第188号论文，16页（2018；Zbl 1461.90202）
全文： 内政部
OA许可证

参考文献：

[1] 平托，P.C。；奈杰尔，A。；Dejori，M。；伦克勒，T.A。；Sousa，J.M.C。；使用局部发现蚂蚁算法进行贝叶斯网络结构学习；IEEE传输。进化。计算：2009; 第13卷，767-779。
[2] Campos，L.M。；Fernández-Luna，J.M。；加梅斯，J.A。；普埃尔塔，J.M。；基于蚁群优化的贝叶斯网络学习；Int.J.大致原因：2002; 第31卷，291-311·Zbl 1033.68091号
[3] 拉腊尼亚加，P。；Karshenas，H。；比尔扎，C。；桑塔纳，R。；贝叶斯网络学习和推理任务中的进化算法综述；信息科学：2013年；第233卷，第109-125页·Zbl 1284.68501号
[4] 盖萨里，S。；M.R.Meybodi。；Dehghan，M。；埃巴扎德，M.M。；基于学习自动机博弈的贝叶斯网络结构训练；国际J·马赫。学习。网络：2017; 第8卷，1093-1105。
[5] 马丁内斯·罗德里格斯，A.M。；May，J.H。；巴尔加斯，L.G。；一种基于优化的贝叶斯网络设计方法；数学。计算。型号：2008; 第48卷，1265-1278·Zbl 1187.90086号
[6] 卡诺，A。；马塞戈萨，A.R。；道德，S.A。；从数据学习贝叶斯网络时集成专家知识的方法；IEEE传输。系统。人类网络。B部分网络：2011; 第41卷，1382-1394。
[7] 坎波斯，L.M。；Castellano，J.G。；基于结构约束的贝叶斯网络学习算法；国际期刊近似原因：2007年；第45卷，233-254·Zbl 1122.68104号
[8] Zhang，X.Y。；贾，S.M。；李小中。；郭，G。；学习基于蚁群优化和差分进化的贝叶斯网络结构；2018年第四届控制、自动化和机器人国际会议（ICCAR）会议记录：，354-358.
[9] 阿雷菲，M。；塔赫里，S.M。；基于模糊数据的可能性贝叶斯推理；国际J·马赫。学习。网络：2016; 第7卷，753-763。
[10] 严，L.J。；Cercone，N。；进化遗传结构的贝叶斯网络建模；计算。数学。申请：2010; 第59卷，2541-2551·Zbl 1193.92078号
[11] 坎提穆里（Khanteymoori，A.R.）。；奥利耶，M.-H。；O.阿巴斯扎德。；瓦利安，M。；基于繁殖群算法的贝叶斯网络结构学习新方法；软计算：2017; 第21卷，6713-6738。
[12] Wong，M.L。；梁，K.S。；基于进化算法的混合方法学习贝叶斯网络的高效数据挖掘方法；IEEE传输。进化。计算：2004; 第8卷，378-404。
[13] Wang，T。；杨，J。；基于离散粒子群优化的贝叶斯网络启发式学习方法；知识。信息系统：2010; 第24卷，269-281。
[14] 季建中。；张，H.X。；胡，R.B。；基于独立性测试和蚁群优化的贝叶斯网络学习算法；《汽车学报》。罪：2009; 第35卷，281-288·Zbl 1212.68129号
[15] 吉，J.Z。；张，H.X。；胡，R.B。；基于蚁群优化的贝叶斯网络混合学习方法；申请。软计算：2011; 第11卷，3373-3384。
[16] 杨，J。；李，L。；王，A.G。；线性SEM下基于部分相关的贝叶斯网络结构学习算法；知识。基于系统：2011; 第24卷，963-976。
[17] Baumgartner，K。；法拉利，S。；巴勒莫，G。；利用有限的数据构建用于犯罪特征分析的贝叶斯网络；知识。基于系统：2008; 第21卷，563-572。
[18] M.R.加里。；约翰逊，D.S；计算机与不可修复性：NP-完全性理论指南：纽约，纽约，美国1979年·Zbl 0411.68039号
[19] 科尔尼，A。；多里戈，M。；Maniezzo，V.公司。；基于蚁群的分布式优化；第一届欧洲人工生命会议记录：，134-142.
[20] 多里戈，M。；Maniezzo，V.公司。；科尔尼，A。；蚂蚁系统：由一群合作代理进行优化；IEEE传输。系统。人类网络。B部分网络：1996; 第26卷，第29-41页。
[21] 斯托恩，R。；价格，K。；差分进化：一种简单有效的连续空间全局优化启发式算法；J.全球。最佳方案：1997; 第11卷，341-359·Zbl 0888.90135号
[22] 达斯，S。；Suganthan，P.N。；差异进化：最新技术综述；IEEE传输。进化。计算：2011; 第9卷，4-31。
[23] 德拉克，J。；南卡罗来纳州加西亚。；莫利纳，D。；Herrera，F。；关于使用非参数统计测试作为比较进化算法和群智能算法的方法的实用教程；Swarm进化。计算：2011; 第1卷，3-18。
[24] Duan，H.B。；Yu，Y.X。；Zhang，X.Y。；提出了一种基于混合元启发式ACO-DE算法的无人机三维路径规划方法；模拟。模型。实际。理论：2010年；第18卷，1104-1115。
[25] 塞拉尼，A。；利奥塔迪，C。；美国耶玛。；坎帕纳，E.F。；法萨诺，G。；Diez，M。；船舶水动力问题同步与异步确定性粒子群优化中的参数选择；申请。软计算：2016; 第49卷，313-334。
[26] Zhang，X.Y。；Duan，H.B。；Yu，Y.X。；基于差分进化的多无人机近距离编队隐身地平线控制；科学。中国信息科学：2010; 第53卷，第223-235页。
[27] Zhang，X.Y。；Duan，H.B。；一种改进的约束差分进化算法在无人机全局路径规划中的应用；申请。软计算：2015; 第26卷，270-284。
[28] 墨菲，K。；Matlab的Bayes Net工具箱；计算。科学。统计：2001年；第33卷，1024-1034。
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。