控制与决策

作者：方伟,吴昀霖,朱书伟

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122,,江南大学 人工智能与计算机学院，江苏 无锡 214122,,江南大学 人工智能与计算机学院，江苏 无锡 214122,

关键词：贝叶斯网络;遗传算法;结构学习;种群多样性;互信息;基因型频率

基金：国家自然科学基金项目(62473176, 62106088, 62206113)；船舶结构安全全国重点实验室项目(450324300).

贝叶斯网络(BN)是一种概率图模型, 用于表示不确定的因果关系. 由于解空间的数量随着变量数量增长呈超指数增长, 使得贝叶斯网络结构学习(BNSL)成为NP难问题. 遗传算法(GA)可以高效地在空间中搜索更多可能的结构组合, 在BNSL问题中取得了诸多成果, 但是仍然存在过早收敛, 结构准确率不高等问题. 鉴于此, 提出一种基于种群多样性和互信息混合引导的贝叶斯网络结构学习算法(DM-GABN). 在去环阶段, 使用翻转-删除-修复混合操作代替删除边以保留更多样的基因型; 在选择算子阶段, 根据当前种群多样性动态调整种群年龄阈值, 淘汰衰老个体, 维持合理的种群年龄结构; 在交叉策略中, 引入生物学的基因型频率概念, 保护低频结构的同时利用互信息限制搜索空间大小并引导搜索. 在10个标准BN数据集上对DM-GABN进行实验评估, 并与包含最先进方法在内的10种BNSL方法进行对比. 实验结果显示, 所提出方法学习的BN结构准确率更高, 算法收敛速度更快.

来源：2026年第4期

《控制与决策》期刊编辑部

查看控制与决策杂志2026年第4期