文献类型：期刊文章

作　　者：周树德[1] 孙增圻[1]

机构地区：[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

出　　处：《自动化学报》

基　　金：国家重点基础研究专项基金(G2002cb312205)资助~~

年　　份：2007

卷　　号：33

期　　号：2

起止页码：113-124

语　　种：中文

收录情况：BDHX、BDHX2004、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

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．

关 键 词：分布估计算法 遗传算法 统计学习 概率模型  

分 类 号：TP301.6]