基于蚁群节点寻优的贝叶斯网络结构算法研究-仪器仪表学报.pdf

第３８卷　第１期 仪 器 仪 表 学 报 Ｖｏｌ３８Ｎｏ１ ２０１７年１月 ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｆｉｃＩｎｓｔｒｕｍｅｎｔ Ｊａｎ．２０１７ 基于蚁群节点寻优的贝叶斯网络结构算法研究 １ １ ２ １ １ 刘浩然 ，孙美婷 ，李　雷 ，刘永记 ，刘　彬 （１．燕山大学信息科学与工程学院　秦皇岛　０６６００４；２．燕山大学电气工程学院　秦皇岛　０６６００４） 摘　要：Ｋ２算法是学习贝叶斯网络结构的经典算法。针对Ｋ２算法依赖最大父节点数和节点序的不足，以及蚁群算法搜索空间庞 大的问题，提出了一种新的贝叶斯结构学习算法ＭＷＳＴＡＣＯＫ２算法。该算法通过计算互信息建立最大支撑树（ＭＷＳＴ），得到最 大父节点数；然后利用蚁群算法（ＡＣＯ）搜索最大支撑树，获得节点顺序；最后结合Ｋ２算法得到最优的贝叶斯网络结构。仿真实验 结果表明，该方法不仅解决了Ｋ２算法依赖先验知识的问题，而且减少了蚁群算法的搜索空间，简化了搜索机制，得到较好的贝叶 斯结构。最后将该算法应用到冀东水泥回转窑的实际数据中，构建水泥回转窑的贝叶斯网络结构，提高了故障诊断的准确率。 关键词：互信息；蚁群优化；Ｋ２算法；贝叶斯网络结构学习；水泥回转窑 ＋ 中图分类号：ＴＨ１６５．３　　　文献标识码：Ａ　　国家标准学科分类代码：５２０．２０ ＳｔｕｄｙｏｎＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎ ａｎｔｃｏｌｏｎｙｎｏｄｅｏｒｄｅｒｏｐｔｉｍｉｚａｔｉｏｎ １ １ ２ １ １ ＬｉｕＨａｏｒａｎ，ＳｕｎＭｅｉｔｉｎｇ，ＬｉＬｅｉ，ＬｉｕＹｏｎｇｊｉ，ＬｉｕＢｉｎ （１．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ０６６００４，Ｃｈｉｎａ； ２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ０６６００４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｋ２ａｌｇｏｒｉｔｈｍｉｓｔｈｅｃｌａｓｓｉｃａｌｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｏｆＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅ．ＡｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｔｈａｔＫ２ａｌｇｏｒｉｔｈｍ ｄｅｐｅｎｄｓｏｎｔｈｅｍａｘｉｍｕｍｎｕｍｂｅｒｏｆｐａｒｅｎｔｎｏｄｅｓ＆ｎｏｄｅｏｒｄｅｒａｎｄａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｈａｓｌａｒｇｅｓｅａｒｃｈｓｐａｃｅ，ｔｈｉｓｐａｐｅｒ ｐｒｏｐｏｓｅｓａｎｅｗＢａｙｅｓｉａｎｓｔｒｕｃｔｕｒｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍＭＷＳＴＡＣＯＫ２ａｌｇｏｒｉｔｈｍ．Ｆｉｒｓｔｌｙ，ｔｈｒｏｕｇｈｃａｌｃｕｌａｔｉｎｇｔｈｅｍｕｔｕａｌｉｎｆｏｒｍａｔｉｏｎ， ｔｈｅａｌｇｏｒｉｔｈｍｅｓｔａｂｌｉｓｈｅｓｔｈｅＭｏｓｔＷｅｉｇｈｔＳｕｐｐｏｒｔｅｄＴｒｅｅ（ＭＷＳＴ）ａｎｄｏｂｔａｉｎｔｈｅｍａｘｉｍｕｍｎｕｍｂｅｒｏｆｐａｒｅｎｔｎｏｄｅｓ．Ｓｅｃｏｎｄｌｙ，ａｎｔ ｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｉｓａｄｏｐｔｅｄｔｏｓｅａｒｃｈｔｈｅＭｏｓｔＷｅｉｇｈｔＳｕｐｐｏｒｔｅｄＴｒｅｅａｎｄｏｂｔａｉｎｔｈｅｎｏｄｅｏｒｄｅｒ．Ｆｉｎａｌｌｙ，ｃｏｍｂｉｎｉｎｇｗｉｔｈ Ｋ２ａｌｇｏｒｉｔｈｍ，ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｃａｎｏｂｔａｉｎｔｈｅｏｐｔｉｍａｌＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅ ｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｎｏｔｏｎｌｙｓｏｌｖｅｓｔｈｅｐｒｏｂｌｅｍｔｈａｔＫ２ａｌ