量子粒子群算法及其在貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的應(yīng)用研究.pdf

1、對貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行學(xué)習(xí)是一個 NP難解問題，并且當(dāng)數(shù)據(jù)集比較大時用經(jīng)典算法如粒子群算法和爬山算法容易陷入局部最優(yōu)值，K2算法要已知節(jié)點的次序，最大加權(quán)生成樹算法尋優(yōu)能力比較差。因此，本文提出一種新的方法對貝葉斯網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)學(xué)習(xí)—離散的基于二進(jìn)制編碼的量子粒子群算法，采用了貝葉斯準(zhǔn)則打分函數(shù)，并在學(xué)習(xí)的過程中引入了去環(huán)的操作，提高了搜索網(wǎng)絡(luò)的準(zhǔn)確性。在研究經(jīng)典貝葉斯網(wǎng)絡(luò)的基礎(chǔ)上，引入了量子計算的概念，研究了量子貝葉斯網(wǎng)絡(luò)及其結(jié)構(gòu)。提出一

2、種新的量子貝葉斯網(wǎng)絡(luò)，證明其可以表示為概率幅的乘積，降低量子圖模型的運算復(fù)雜度，主要工作如下：
　　第一，研究了貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)，分析了一個貝葉斯網(wǎng)絡(luò)模型實例結(jié)構(gòu)及其條件概率分布。在此基礎(chǔ)上，研究了貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)。重點研究了基于依賴分析的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)和基于評分搜索的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)，分析了現(xiàn)有一些經(jīng)典算法比如 K2算法和最大加權(quán)生成樹（MWST）算法的優(yōu)勢和不足，并運用這兩種算法仿真得到了貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)。
　

3、　第二，研究了兩種主要的量子粒子群算法，基于量子位概率幅的粒子群算法QPSEA與基于量子力學(xué)波函數(shù)的QPSO算法，并以八個標(biāo)準(zhǔn)測試函數(shù)的仿真實驗結(jié)果說明QPSO算法性能較好。針對貝葉斯網(wǎng)絡(luò)是離散個體的特點，提出一種改進(jìn)的量子粒子群算法-離散二進(jìn)制編碼量子粒子群算法作為貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)算法。
　　第三，針對貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)的特點，運用提出的改進(jìn)算法對貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行學(xué)習(xí)。為了提高結(jié)構(gòu)學(xué)習(xí)的準(zhǔn)確性，提出一種新的去環(huán)操作。并將本

4、文算法學(xué)習(xí)得到的網(wǎng)絡(luò)結(jié)構(gòu)與粒子群算法、K2算法和MWST算法學(xué)習(xí)得到的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行比較，證明了本文算法能夠?qū)W習(xí)出最優(yōu)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，并且相比于其余三種算法擁有較高的學(xué)習(xí)效率和準(zhǔn)確性。
　　第四，將經(jīng)典貝葉斯網(wǎng)絡(luò)和量子計算理論相結(jié)合，研究了兩種類型的量子貝葉斯網(wǎng)絡(luò)，并對其性質(zhì)進(jìn)行研究。為了更直觀地描述量子貝葉斯網(wǎng)絡(luò)，降低計算復(fù)雜度，提出了一種新的量子貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。并證明了如何給量子貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的每個節(jié)點分配概率幅度。類比于