一种混合粒子群算法的贝叶斯网络优化模型-论文.pdf

《一种混合粒子群算法的贝叶斯网络优化模型-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、计算机时代2014年第9期·3l·一种混合粒子群算法的贝叶斯网络优化模型★褚灵伟。许延伟(上海宽带技术及应用工程研究中心，上海200336)摘要：传统的粒子群优化算法通过群体中粒子间的合作和竞争进行群体智能指导优化搜索，算法收敛速度快，但较易陷入局部较优值，进入早熟状态。为了解决这个问题，提出了一种混合粒子群算法的贝叶斯网络优化模型，它可以通过当前所选择的较优解群构造一个贝叶斯网络和联合概率分布模型，利用这个模型进行采样得到更优解，用其可随机替换掉PSO中的一些粒子或个体最优解；同时利用粒子群算法对当前选择出的较优解群进行深度搜索，并将

2、得到的最优解融入到较优解群中。分析可知，该方法可以提高算法有效性和可靠性。关键词：粒子群优化算法；贝叶斯网络；较优解群；深度搜索中图分类号：TP393文献标志码：A文章编号：1006—8228(2014)09—31—02ABayesiannetworkoptimizationmodelmixedparticleswarmoptimizationalgorithmChuLingwei，XuYanwei(ShanghaiNationalEngineeringResearchCenterforBroadbandNetworks＆Applica

3、tions，Shanghai200336,China)Abstract：Traditionalparticleswarmoptimizationalgorithmssearchthroughcooperationandcompetitionamongtheparticlesintheswarrn．Ithasafastconvergencerate，however,easytofallintolocaloptima1．Inordertosolvethisproblem，aBayesiannetworkoptimizationmodelba

4、sedonmixedparticleswarmoptimizationalgorithmisproposed．ItCanusecurrentoptimalsolutionsthatmaycomefromPSOtOconstructaBayesiannetworkandjointprobabilitydistribution．Itwillusethisdistributionsamplesandgetsomebettersolutions，whichwillbeintegratedintoParticleSwarmOptimization

5、(PSO)algorithmtoincreasediversity．Keywords：particleswarmoptimizationalgorithm；Bayesiannetwork；betersolutiongroup；deepsearch0引言为了解决这个问题，本文提出了一种混合粒子群算法的贝叶斯网络优化模型(ABayesiannetworkoptimizationmodel粒子群优化算法(ParticleSwarmOptimization，PSO)是一mixedparticleswarnloptimizationalgorit

6、hm，BN0M)，它首种有效的群体智能优化算法“。它最核心的思想来源于Eberhart先通过当前所选择的较优解群构造一个贝叶斯网络和联合概博士和kennedy博士在1995年对鸟群觅食行为的研究所提出率分布模型，并利用这个模型进行采样，进而得到更优的解，相的，主要是在深入研究其集群活动的规律性启发后所建立的一当于全局搜索；且同时利用粒子群算法对当前选择出的较优的个群体智能模型。与其他进化算法相比，PSO主要是通过粒子解群进行深度搜索，并得到更优的解，相当于局部搜索。本模间的协作和竞争，在充分保证群体中的个体对信息进行共享的型最大的特点是

7、通过在贝叶斯网络模型中引入粒子群算法，使同时，可使得整个群体在问题求解空间中进行从无序到有序的得贝叶斯网络既能充分利用已建立的贝叶斯网络概率模型进运动演化过程，从而搜索到最优解。行全局推理采样的同时，还能利用粒子群算法对当前的局部较PSO算法是一种基于迭代的优化算法。它同时具有进化优区域进行深度探索，通过分析可知，这个模型可以通过全局计算和群体智能算法的特点。基本流程如下述所：首先在初始搜索和局部搜索提高算法的有效性和可靠性。时刻它生成一组随机解，然后通过粒子在解空间中追随它自己1贝叶斯网络模型的个体最优值(pbest)和种群的最优值(

8、gbest)进行搜索，最后逐贝叶斯网络是一种有向非循环网络，主要是由节点、有向步迭代搜寻到最优值。PSO的优势主要集中在于其结构和规弧线和条件概率分布表(c)所组成的。CPT可以分解为随则简单，易于实现，搜