贝叶斯优化算法

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

贝叶斯优化算法

贝叶斯优化算法( BOA) 是由美国UIUC 大学的Pelikan 等在2000 年前后提出的,在贝叶斯优化算法中,根据均匀分布随机产生初始种群,然后采用进化算法的各种选择方法,比如二进制锦标赛选择、比例选择、截断选择等,从当前种群中选择候选解,再根据选择后的种群建立贝叶斯网络概率模型,从模型的采样中获取新的候选解,最后,将采样得到的解重新加入到原来的种群中,可以用新的解代替原来的种群; 重复这个过程,直到满足终止条件。在已经找到的最优解,或者是种群已经失去了多样性,或者是已经不太可能找到更优的解等情况下可以中止程序。贝叶斯优化算法的流程如下:

( 1) 设t: = 0,随机产生初始种群P( 0) ;

( 2) 从P( t) 中选择候选解S( t) ;

( 3) 在一定的选择规则和限制条件下构建符合要求的贝叶斯网络B;

( 4) 根据贝叶斯网络B 的联合分布函数产生新的解O( t) ;

( 5) 用O( t) 取代P( t) 中的部分解,形成新的种群P( t + 1) ;

( 6) 如果不满足终止条件,转向( 2) 。

在贝叶斯优化算法中,建立贝叶斯网络是算法的核心和关键。贝叶斯网络是联合概率分布的图形表示形式。一个贝叶斯网络由两部分组成:结构B 和参数θ。结构B 是一个有向无环图,其节点表示各个变量,节点之间的有向边表示变量之间的条件依赖关系。参数由变量间的条件概率来决定,一般贝叶斯网络包含如下的联合概率分布:

贝叶斯网络是用来描述所选择的优秀解的特征和分布,以此来指导新解的生成。Bayes 网络的学习是一个NP 难题,对它的研究已经非常深入,对网络结构的搜

索一般可以采用贪心算法,贪心算法在搜索效率和模型的质量间有很好的平衡,网络的结构性能采用一些判定准则来衡量,如贝叶斯信息准则( BIC) ,或是贝叶斯-狄里特里准则。

高斯过程

相关文档
最新文档