針對啟發(fā)式算法應用于貝葉斯網(wǎng)絡推理學習易陷入局部最優(yōu)和尋優(yōu)效率低的問題,提出一種基于混合粒子群-差分法的貝葉斯網(wǎng)絡推理算法.該算法利用自適應的反向?qū)W習策略增加初始種群的多樣性,將差分變異算子引入離散粒子群算法,提出自適應概率分層搜索策略平衡局部搜索與全局搜索,并根據(jù)levy飛行機制建立自適應的變異策略避免算法陷入局部最優(yōu).由算法的收斂性分析可知,通過迭代搜索可以找到貝葉斯網(wǎng)絡的最大可能解釋.實驗結(jié)果表明與其他算法相比收斂精度與尋優(yōu)效率均有提升. 

【文章來源】：小型微型計算機系統(tǒng). 2020,41(06)北大核心CSCD

【文章頁數(shù)】：7 頁

【文章目錄】：
1 引言
2 HDPSO-DE算法構(gòu)建
    2.1 構(gòu)建初始種群
    2.2 HDPSO-DE算法的迭代過程
    2.3 HDPSO-DE算法步驟
    2.4 HDPSO-DE算法收斂性分析
3 實驗結(jié)果與分析
    3.1 算法不同算子貢獻度分析
    3.2 與其他算法的對比
4 結(jié)束語


【參考文獻】：
期刊論文
[1]一種快速收斂的非參數(shù)粒子群優(yōu)化算法及其收斂性分析[J]. 劉兆廣,紀秀花,劉云霞.  電子學報. 2018(07)
[2]基于擬熵自適應啟動局部搜索策略的混合粒子群算法[J]. 曹玉蓮,李文鋒,張煜.  電子學報. 2018(01)
[3]基于蝙蝠算法的粒子濾波法研究[J]. 陳志敏,田夢楚,吳盤龍,薄煜明,顧福飛,岳聰.  物理學報. 2017(05)
[4]基于貝葉斯網(wǎng)絡的無線傳感網(wǎng)高效數(shù)據(jù)傳輸方法[J]. 劉廣怡,李鷗,宋濤,孔范增.  電子與信息學報. 2016(06)



本文編號：3172539