分布估计算法综述
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
33
TP3(计算技术、计算机技术)
国家重点基础研究发展计划973计划G2002cb312205
2007-04-16(万方平台首次上网日期,不代表论文的发表时间)
共12页
113-124