文档介绍：基于拓扑序列和量子遗传算法的贝叶斯网结构学****br/> 赵学武 刘广亮 程新党 冀俊忠 摘要:贝叶斯网是处理不确定性问题知识表示和推理的最重要的理论模型之一,其结构学****是目前研究的一个热点。提出了一种基于拓扑序列和量子遗传算法的贝叶斯网结基于拓扑序列和量子遗传算法的贝叶斯网结构学****br/> 赵学武 刘广亮 程新党 冀俊忠 摘要:贝叶斯网是处理不确定性问题知识表示和推理的最重要的理论模型之一,其结构学****是目前研究的一个热点。提出了一种基于拓扑序列和量子遗传算法的贝叶斯网结构学****算法,新算法首先利用量子信息的丰富性和量子计算的并行性,设计出基于量子染色体的拓扑序列生成策略提高了搜索效率,并为K2算法学得高质量的贝叶斯网结构提供了保障;然后采用带上下界的自适应量子变异策略,增强了种群的多样性,提高了算法的搜索能力。实验结果表明,与已有的一些算法相比,新算法不仅能获得较高质量的解,而且还有着较快的收敛速度。
关键词:贝叶斯网;结构学****量子遗传算法;K2算法;拓扑序列;量子计算
中图分类号:TP181
0引言
不确定性问题知识表示和推理是人工智能领域中的一个研究热点,贝叶斯网(BayesianNetwork,BN)是处理该问题的一个非常重要的理论模型。近年来,随着搜索技术的发展和数据挖掘的兴起,贝叶斯网结构的学****引起了国内外学者的广泛兴趣。到目前为止,人们已经提出了一些学****贝叶斯网结构的方法,其中基于蚁群算法[1]、遗传算法[2-4]和粒子群算法[5]的贝叶斯网结构学****是比较新的一些实用而有效的方法。例如,基于蚁群算法的贝叶斯网结构学****算法I ACO B[1]首先用0阶条件独立性测试发现一些潜在的条件——独立知识并用之压缩搜索空间,然后利用改进的启发函数使蚁群算法的搜索能力得到提高。文献[5]提出了一种新的基于粒子群的学****贝叶斯网结构的算法——C PSO B,该算法利用定义的规则链模型度量拓扑序列优劣,有利于发现较高质量的拓扑序列;然后通过给粒子位置可选择更新的粒子群优化算法加上动态权重系数,提高了算法的搜索性能。这两种算法都取得了比较好的成果,但是它们在学****贝叶斯网结构时仍存在求解精度不高、收敛速度慢等不足。
量子计算是20世纪90年代被提出的。由于它是以微观世界为物理研究基础,所以量子计算具有了经典计算无可比拟的优越性。在量子理论中,量子信息的丰富性、量子计算的并行性和量子态的叠加性等特性,使量子计算具有了明显的优势。将经典的搜索算法与量子计算相结合是改善上述不足的一种研究思路。到目前为止,已出现了一些与量子相结合的搜索算法[6-11],如量子进化算法[6-7]、量子遗传算法[8-10]和量子粒子群算法[11]等。本文提出了一种基于拓扑序列和量子遗传算法的贝叶斯网结构学****算法(BayesianNetworkStructureLearningAlgorithmbasedonTopologicalOrderandQuantumGeneticAlgorithm,T&QGA B)。为了提高搜索的效率,新算法首先利用量子计算的优势,设计出基于量子染色体的拓扑序列生成策略;然后通过采用带上下界的自适应量子变异策略,增强了种群的多样性。实验结果表明,与新近提出的I ACO B算法[1]和C PSO B算法[5]相比,新算法