基于量子遺傳算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí).pdf

1、在人工智能領(lǐng)域，不確定性知識(shí)的推理和決策一直是一個(gè)重要的研究問(wèn)題。貝葉斯網(wǎng)絡(luò)(Bavesian Network，BN)正是對(duì)不確定性問(wèn)題模擬和推理的一種有效工具。它具有堅(jiān)實(shí)的理論基礎(chǔ)、語(yǔ)義清晰的網(wǎng)絡(luò)結(jié)構(gòu)、靈活的推理能力、方便的決策機(jī)制及有效的學(xué)習(xí)機(jī)制等特點(diǎn)。貝葉斯網(wǎng)絡(luò)學(xué)習(xí)包括網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí)。網(wǎng)絡(luò)參數(shù)學(xué)習(xí)是在網(wǎng)絡(luò)結(jié)構(gòu)確定的情況下通過(guò)數(shù)據(jù)集進(jìn)行的，難度相對(duì)小些。通過(guò)數(shù)據(jù)集的學(xué)習(xí)得到合理的網(wǎng)絡(luò)結(jié)構(gòu)是相當(dāng)困難的，而且隨著網(wǎng)絡(luò)結(jié)點(diǎn)個(gè)數(shù)的

2、增加網(wǎng)絡(luò)結(jié)構(gòu)空間的規(guī)模呈指數(shù)增長(zhǎng)。已經(jīng)證明，大型貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)是NP難題。因此，研究有效的網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法對(duì)于構(gòu)造貝葉斯網(wǎng)絡(luò)具有十分重要的意義。 本文對(duì)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)進(jìn)行了較深入研究，所作的主要工作如下： 首先，提出基于量子遺傳算法的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法。相對(duì)于常規(guī)算法，量子遺傳算法最大的優(yōu)勢(shì)在于將串行運(yùn)算變?yōu)椴⑿羞\(yùn)算。它以量子計(jì)算理論為基礎(chǔ)，用量子比特編碼表示染色體，通過(guò)量子門操作來(lái)完成進(jìn)化，具有種群規(guī)模

3、小而不影響算法性能、染色體狀態(tài)豐富、收斂速度快和全局尋優(yōu)能力強(qiáng)等特點(diǎn)。將量子遺傳算法用于貝葉斯網(wǎng)(BN)的結(jié)構(gòu)學(xué)習(xí)，對(duì)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行量子編碼得到染色體，通過(guò)量子變異操作使其作為一個(gè)完備的獨(dú)立解空間進(jìn)行演化，可快速搜索到全局最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)。 其次，混沌具有遍歷性、隨機(jī)性和規(guī)律性，以及它對(duì)初值變化具有強(qiáng)烈的敏感性。通過(guò)調(diào)節(jié)變異調(diào)整系數(shù)使生成的點(diǎn)在上一代最優(yōu)點(diǎn)的附近隨機(jī)擺動(dòng)，避免了隨機(jī)漫游現(xiàn)象。每代僅保留上一代的最優(yōu)個(gè)體，其它個(gè)體