基于混合简化粒子群算法的贝叶斯网络结构学习研究

来源：计量学报杂志2024年第2期北京时间：

作者：刘浩然,李晟,崔少鹏,王念太,蔡炎滨,时倩蕊,张力悦

单位：1. 燕山大学信息科学与工程学院,河北秦皇岛066004; 2. 河北省特种光纤与光纤传感重点实验室,河北秦皇岛066004;

摘要：为改善当前贝叶斯网络结构学习算法易陷入局部最优、过早收敛和寻优效率低的问题,进行了混合简化粒子群算法优化贝叶斯网络结构学习的研究。该算法利用最大支撑树约束搜索空间,并提出V-结构与条件相对平均熵相结合的初始定向策略,然后利用爬山策略建立初始粒子群,再利用改进的粒子群优化算法和遗传算法对初始种群迭代优化,在迭代过程中提出条件交叉和变异策略避免粒子的随机发散更新,并结合副粒子增缓策略更新未优化粒子,避免算法陷入局部最优。该算法与其他算法在4种标准网络下进行了仿真实验。实验结果表明,所提算法在ASIA、CAR、CHILD、ALARM网络中相比于MMHC、GS、BNC-PSO、PC-PSO算法BIC评分分别平均高5.775%、 5.8%、 0.475%、 2.75%;汉明距离HD更低,正确率ACC更高。

关键词：智能算法;贝叶斯网络;粒子群优化;遗传算法;自定义交叉和变异概率;副粒子增缓策略

基金资助：国家重点研发计划 (2019YFB1707301)