針對貝葉斯網絡結構學習的復雜問題,首先在深入研究網絡結構特點基礎上建立了1-步依賴系數BN鄰接矩陣,將網絡結構學習問題轉化為鄰接矩陣邊的關系處理;然后,采用爬山算法進行局部尋優(yōu),再用遺傳算法進行全局優(yōu)化的思想進行貝葉斯網絡結構求解。算例分析表明:所提算法可行,計算效率高于遺傳算法。 

【文章來源】：海軍工程大學學報. 2019,31(06)北大核心

【文章頁數】：4 頁

【部分圖文】：

BN結構及其鄰接矩陣

采用本文方法在Matlab中調用bintprog函數求解式(3)的優(yōu)化問題,運算得到各個節(jié)點間的相互關系初始解,結果如圖2所示。以圖2的無向圖為初始種群并加以編碼、交叉和變異等遺傳操作尋優(yōu)最佳網絡結構。在計算中,參數的設置包括初始種群規(guī)模、顯著性水平、交叉概率、變異概率、迭代次數。其中,種群規(guī)模N=100,顯著性水平α=0.005,交叉概率pa=0.98,變異概率pb=0.01,采用BIC測度打分函數,在算法處于收斂時終止迭代。通過本文提出的方法最終學習得到圖1的網絡結構。

為驗證本文所提算法的優(yōu)越性,將其與遺傳算法的計算結果進行對比分析,結果如圖3所示。圖中顯示為不同樣本對應下的計算時間(t1=5.32 s),t1為本文所提算法計算時間(t2=6.41 s),t2為遺傳算法計算時間。由圖3可見,不同樣本下本文所提算法計算時間均比遺傳算法少,說明本文算法比遺傳算法更優(yōu)越,主要在于本文算法采用爬山算法進行局部搜索減少了在全局搜索時的局部搜索時間,因此計算時間比單純采用遺傳算法要少,計算效率更高。4 結束語


本文編號：3102413