分布估计算法综述

周树德; 孙增圻

doi:10.1360/aas-007-0113

分布估计算法综述

doi: 10.1360/aas-007-0113 cstr: 32138.14.aas-007-0113

1.
清华大学计算机系智能技术与系统国家重点实验室北京 100084

详细信息

通讯作者:
周树德

中图分类号: TP18
计量
- 文章访问数: 6473
- HTML全文浏览量: 178
- PDF下载量: 3800
- 被引次数: 0
出版历程
- 收稿日期: 2006-03-20
- 修回日期: 2006-06-12
- 刊出日期: 2007-02-20

分布估计算法综述

1.
State Key Lab of Intelligent Technology and Systems, Department of Computer Science and Technology, Tsinghua University, Beijing 100084

More Information

Corresponding author: ZHOU Shu-De

摘要

摘要:
分布估计算法是进化计算领域新兴起的一类随机优化算法，是当前国际进化计算领域的研究热点. 分布估计算法是遗传算法和统计学习的结合，通过统计学习的手段建立解空间内个体分布的概率模型，然后对概率模型随机采样产生新的群体，如此反复进行，实现群体的进化. 分布估计算法中没有传统的交叉、变异等遗传操作，是一种全新的进化模式；这种优化技术能够通过概率图模型对变量之间的关系进行建模，从而能有效的解决多变量相关的优化问题. 根据概率模型的复杂性，本文按照变量无关、双变量相关、多变量相关等三类分别介绍相应的分布估计算法. 作为一篇综述性文章，本文旨在全面系统的向国内读者介绍这一新技术，并总结分布估计算法的研究现状和未来的研究方向.
- 分布估计算法 /
- 遗传算法 /
- 统计学习 /
- 概率模型
Abstract:
分布估计算法是进化计算领域新兴起的一类随机优化算法，是当前国际进化计算领域的研究热点. 分布估计算法是遗传算法和统计学习的结合，通过统计学习的手段建立解空间内个体分布的概率模型，然后对概率模型随机采样产生新的群体，如此反复进行，实现群体的进化. 分布估计算法中没有传统的交叉、变异等遗传操作，是一种全新的进化模式；这种优化技术能够通过概率图模型对变量之间的关系进行建模，从而能有效的解决多变量相关的优化问题. 根据概率模型的复杂性，本文按照变量无关、双变量相关、多变量相关等三类分别介绍相应的分布估计算法. 作为一篇综述性文章，本文旨在全面系统的向国内读者介绍这一新技术，并总结分布估计算法的研究现状和未来的研究方向.
- Estimation of distribution algorithms(EDAs) /
- genetic algorithm /
- statistical learning /
- probabilistic model