A Bayesian Network Learning Algorithm Based on Independence Test and Ant Colony Optimization
Ji, Jun-Zhong, Zhang, Hongxun, Hu, Ren-Bing, Liu ., Chunnian · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2009
为学习贝叶斯的网络(ACO-B ) 解决蚂蚁殖民地优化的缺点，这份报纸基于有条件的独立测试和蚂蚁殖民地优化(I-ACO-B ) 建议一个改进算法。首先， I-ACO-B 使用独立测试有效地限制候选人解决方案的空格的 order-0，以便蚂蚁的许多不必要的搜索能被避免。然后由联合在节点之间的一个解决方案和本地相互的信息的全球分数增加，有更好启发式的能力的一个新启发式的函数被给征调随机的搜索的进程。基准数据集合上的试验性的结果证明新算法在大规模数据库有效、有效，并且极大地与原来的算法相比提高集中速度。