The study of Bayesian network structure based on evolution methods suffers from local optimality and low efficiency. To address this issure,a Bayesian network structure learning method based on genetic algorithm marriage strategy is proposed. First of all,the "same" marriage strategy is designed. That is,two groups use the same search strategy and evaluate models to complete the Bayesian network structure learning. Then we marry the best quality sub⁃generation individuals,and iterate the best quality sub⁃generation individuals. Because the sub⁃generation of the marriage retains another group of segments,it has a good guarantee for the diversity of genes in the population,and effectively avoids the defects caused by the reproduction of close relatives. In response to the marriage strategy of the same agent model failing to ensure the quality of network structure and learning efficiency at the same time,we propose integrated genetic algorithm marriage strategies. Specifically,two groups use different agency models and search strategies to learn,and then the best⁃quality individuals in each group are married and iterated. Experiments show that the learning accuracy and effectiveness of the proposed algorithm on all⁃scale networks are better than the comparative algorithm.
Keywords:genetic algorithm
;
marriage strategy
;
surrogate model
;
Bayesian network structure
由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度.
JianM. Bayesian network learning based the GA⁃K2 algorithm and its application in personal credit rating. Master Dissertation. Guangzhou:Ji'nan University,2016.
Learning Bayesian belief networks:An approach based on the MDL principle
1
1994
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
基于云遗传退火的贝叶斯网络结构学习算法
1
2017
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
Bayesian networks structure learning algorithm based on cloud genetic annealing
1
2017
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
基于蜂群算法和遗传算法的贝叶斯网络结构混合学习方法
1
2015
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
A hybrid algorithm for learning Bayesian network structure based on artificial bee colony and genetic algorithm
1
2015
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
A novel method for Bayesian networks structure learning based on breeding swarm algorithm
1
2018
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
1
2016
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
1
2016
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
基于多时间段优化贝叶斯网络的车载容迟网络路由算法
1
2021
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
Vehicular delay tolerant network routing algorithm based on optimized multi?period Bayesian network
1
2021
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
A chain?model genetic algorithm for Bayesian network structure learning
1
2007
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
Ant colony and surrogate tree?structured models for orderings?based Bayesian network learning
1
2015
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
基于完全代理模型的贝叶斯网络结构学习
1
2018
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...
Bayesian network structure learning based on complete surrogate model
1
2018
... 由于遗传算法存在迭代次数难以控制、收敛缓慢的现象[11],所以,学者们关注遗传操作的改进.如曹如胜等[12]提出CGASA,将云遗传算法和模拟退火算法相结合,有效地避免了算法陷入局部最优的缺陷.汪春峰和将妍[13]提出混合型算法ABC⁃GA,利用蜂群食物源寻优规则进行优化.Khanteymoori et al[14]提出混合算法BSPSO,将PSO更新规则与GA相结合.粒子之间的复制增加了在搜索空间中制造更理想粒子的概率.简敏[15]将遗传算法与K2算法相结合,提出GA⁃K2.吴家皋等[16]在GA⁃K2算法的基础上提出BS⁃GAK2算法和SA⁃GAK2以二分搜索方式进行多时间段贝叶斯网络结构的学习和优化.Kabli et al[17]提出Chain⁃GA算法,将链模型作为评估方法,有效减小了计算复杂度.Alonso⁃Barba et al[18]提出树代理模型,进一步提高算法准确率.在此基础上,王慧玲等[19]提出一种新的评估序质量的方法,即完全代理模型评估法,合理利用了变量间依赖强度,对父节点的计算量进行有效控制,变量序结构空间的规模大幅度缩小,并有效提高了评价序质量的精度. ...