原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
贝叶斯优化以及高斯过程
贝叶斯优化算法贝叶斯优化算法( BOA) 是由美国UIUC 大学的Pelikan等在2000 年前后提出的，在贝叶斯优化算法中，根据均匀分布随机产生初始种群，然后采用进化算法的各种选择方法，比如二进制锦标赛选择、比例选择、截断选择等，从当前种群中选择候选解，再根据选择后的种群建立贝叶斯网络概率模型，从模型的采样中获取新的候选解，最后，将采样得到的解重新加入到原来的种群中，可以用新的解代替原来的种群; 重复这个过程，直到满足终止条件。在已经找到的最优解，或者是种群已经失去了多样性，或者是已经不太可能找到更优的解等情况下可以中止程序。贝叶斯优化算法的流程如下:( 1) 设t: = 0，随机产生初始种群P( 0) ;( 2) 从P( t) 中选择候选解S( t) ;( 3) 在一定的选择规则和限制条件下构建符合要求的贝叶斯网络B;( 4) 根据贝叶斯网络B 的联合分布函数产生新的解O( t) ;( 5) 用O( t) 取代P( t) 中的部分解，形成新的种群P( t + 1) ;( 6) 如果不满足终止条件，转向( 2) 。在贝叶斯优化算法中，建立贝叶斯网络是算法的核心和关键。贝叶斯网络是联合概率分布的图形表示形式。一个贝叶斯网络由两部分组成:结构B 和参数θ。结构B 是一个有向无环图，其节点表示各个变量，节点之间的有向边表示变量之间的条件依赖关系。参数由变量间的条件概率来决定，一般贝叶斯网络包含如下的联合概率分布:贝叶斯网络是用来描述所选择的优秀解的特征和分布，以此来指导新解的生成。Bayes 网络的学习是一个NP 难题，对它的研究已经非常深入，对网络结构的搜索一般可以采用贪心算法，贪心算法在搜索效率和模型的质量间有很好的平衡，网络的结构性能采用一些判定准则来衡量，如贝叶斯信息准则( BIC) ，或是贝叶斯-狄里特里准则。高斯过程
文档评论（0）