贝叶斯网络评分准则对MMHC算法学习效果的影响

贝叶斯网络是研究不确定环境下知识表示和因果推理的有效工具之一。MMHC算法是一种较新的贝叶斯网络结构学习算法。在MMHC算法的基础上，对几种广泛使用的贝叶斯网络评分准则如MIT、K2Score、MDL、BDeu评分准则等进行了研究，实验结果表明K2评分准则在MMHC学习算法上具有最好的学习效果，MIT评分和BDeu评分次之，MDL评分效果最差。     

贝叶斯网络杂交学习算法及其在中医中的应用

针对贪婪贝叶斯模式搜索算法(GBPS)在搜索最优贝叶斯网络结构时易陷入局部最优的不足，提出了一种改进的GBPS算法.在GBPS算法的邻域生成过程中引入了有向边的变向操作，并通过仿真实验研究了样本数量和网络节点的连接边数对算法寻优能力、结果准确度和计算量的影响.将该改进算法用于从中医临床诊断数据中辨识症状与辨证要素间的复杂关系.结果表明，该改进算法的学习结果优于GBPS算法和贪婪贝叶斯有向无环图搜索算法(GBDS).所发现的症状－辨证要素间的相关关系与中医专家经验吻合较好，可用于从中医诊断数据中自动获取中医专家知识.     

基于贪婪搜索的IEEE 802.16j带宽分配算法研究

为满足IEEE 802.16j网络中不同类型业务的带宽需求, 同时达到可接入用户数最多的目的, 提出了一种基于贪婪搜索的基站、中继站联合带宽分配算法. 其中, 固定带宽的主动授权业务由中继站分配带宽; 基站分配其他类型业务所需的最少带宽. 该算法利用贪婪搜索寻求最优用户组, 并将剩余带宽分配给该组的用户. 仿真结果表明, 该贪婪搜索带宽分配算法能保证网络接入的用户数最多, 且复杂度低于一般的穷举搜索带宽分配算法.     

一种用于BN结构学习的自适应遗传退火算法

模拟退火算法（SAA）和遗传算法（GA）作为智能算法是结构学习的重要方法．针对两种典型算法存在收敛速度慢或过早陷入局部最优的问题,利用GA进行选择,通过SAA进行搜索并利用独立性测试信息自适应引导算法的进化,提出一种自适应遗传模拟退火算法（AGSAA）,应用于贝叶斯网络（BN）结构学习．仿真结果表明AGSAA在学习的准确性和运行效率上均要优于SAA．     

基于禁忌搜索的贝叶斯网结构学习算法

针对随机搜索机制学习算法参数设置较多的不足,提出了一种基于禁忌搜索的贝叶斯网结构学习算法.此算法首先利用加边、减边、逆向边3个算子产生当前解的邻域,然后结合禁忌表和蔑视准则以引导和限制搜索过程,2个步骤迭代进行,直至达到全局最优解或近似最优解.仿真实验表明,此算法不仅具有结构简单、参数少、易于实现的特点,而且求解质量也能得到保证.     

基于贝叶斯网络的轻度认知障碍诊断系统

提出一种基于依赖性分析和打分函数进行贝叶斯网络结构学习的新方法,并把该方法应用于轻度认知障碍诊断系统中。该算法首先通过对结点变量间的依赖性分析测试和无向图的遍历,获得贝叶斯网络结构中所有结点的先验顺序,然后用启发式打分-搜索方法获得最优的贝叶斯网络结构。实验结果表明,该算法能够在不增加算法复杂度的情况下,完成无结点顺序要求的贝叶斯网络学习,并能应用于轻度认知障碍诊断系统中,实现较好的预测,进而辅助医生的诊断。     

一种适用于(p+m)-中点问题的服务设施放置算法

针对雾计算应用中服务设施放置问题,将其建模成（p+m）-中点问题,提出了一种基于贪婪策略与禁忌搜索策略相结合的启发式服务设施放置算法.提出的算法适用于一般拓扑、任意需求分布的网络.性能分析结果表明,提出的算法是多项式时间的,在当扩展服务节点数和请求节点数相等时能够达到性能上的最优.仿真结果验证了新算法的有效性.     

基于模拟退火的 PCB 定位孔快速搜索

提出了一种基于模拟退火算法的PCB定位孔快速搜索算法。搜索分为二级,首先采用模拟退火算法（ Simulated Annealing ,SA）进行粗搜索;再进行精搜索。测试结果显示该方法定位快速、准确,性能稳定,能有效地满足实际工程中的需求。     

基于起点预测的多模板运动估计算法

在钻石搜索法的基础上,提出基于起点预测的自适应六边形搜索算法.该算法设计了六边形和菱形2种搜索模板,并融合了预判别零运动矢量、预测搜索起始点等技术.实验结果表明,该算法的搜索速度和精度都优于传统的快速搜索算法.     

一种基于和声策略的禁忌搜索算法

结合禁忌搜索算法与和声搜索算法的特点,提出一种基于和声策略的禁忌搜索算法(HTS).该算法基于和声策略构造较优多初始解,进行多初始解禁忌搜索,解决了以往算法只从一个初始解出发进行搜索易陷入局部最优的问题.以典型的组合优化问题TSP为例,验证了该算法的有效性,计算机实验的结果表明该算法有较好的寻优能力.     

一种基于规则库的贝叶斯网络开发器的设计与实现

贝叶斯网络作为不确定性知识表达和推理的一种方法在很多领域都有着广泛的应用，作者在文中提出了一种根据许多专家提供的规则库进行贝叶斯网络结构学习的新算法，并且通过严密的推理对以往的CPT学习算法进行了一些有意义的改进，进而形成了一个较为完备的贝叶斯网络学习。     

七号信令网的A／B平面划分问题及其启发式解法

七号信令网拓扑优化中存在高级信令转接点(HSTP)的A/B平面划分问题,其可归纳为一类新的图的划分问题.该问题被证明难度是NP完备的,神经网络、遗传算法和模拟退火等启发式算法被应用于该问题的求解.为了算法的可比性,精心设计了试验方案,计算结果显示遗传算法和模拟退火可以很高的概率和效率搜索到该问题的最优解.     

禁忌搜索算法在系统可靠性最优分配中的应用

在分析现有组合优化问题禁忌搜索算法的基础上，给出了一种改进的适合于连续变量全局优化的禁忌搜索算法，为了提高算法的收敛性能，融入了模拟退火机制，并将此算法应用于复杂系统可靠性最优分配问题，仿真实验表明，改进的禁忌搜索算法求解该类问题更有效。     

基于模拟退火的Gauss-Newton算法神经网络在短期负荷预测中的应用

针对一般BP网络存在的一些缺陷,首次提出了利用基于模拟退火的Gauss-Newton算法的神经网络预测电力系统短期负荷,并编制了通用程序.在相同的初始条件下,用基于模拟退火的Gauss-Newton算法的神经网络和自适应学习率附加动量法神经网络进行了比较,得出前者的特点和优点:一次性求解权值和偏差,收敛快,精度高,收敛于全局最优解.在算例中,基于人工神经网络的非线性特点进行了负荷预测,通过和真实值的比较说明本方法预测结果精度很高,从而更进一步验证了该方法应用于短期负荷预测的可靠性和优势.     

Situation prediction of network information content security incidents using E-IGA-RBF

In order to resolve the problem of optimizing RBF, an elitist model-immune genetic algorithm is put forward to optimize the structure and parameters of the RBF neural network. The model uses elite selection strategy and adds the factor of simulated annealing. It ensures good genes to be retained into the next generation. At the same time, it increases the diversity of variation to a certain extent through the disturbance of the annealing factor. And the model improves the convergence rate and local search capacity of the whole algorithm. Experimental results are used to demonstrate the effectiveness and reliability of the algorithm when predicting the situation of network information content security incidents.     

基于模拟退火算法的BP网络在水文水资源中应用

为使BP网络在训练过程中能够在不降低网络训练速度的前提下,避免陷入局部极小点,将模拟退火算法与BP网络结合起来,使用传统方法和模拟退火算法同时对权值进行修正,取得了较满意的结果.将网络模型应用于实际中,结果表明该模型是可行、有效的.     

基于模拟退火算法和BP算法的神经网络在灌区地下水中的应用

为使BP网络在训练过程中能够在不降低网络训练速度的前提下,避免陷入局部极小点,采用模拟退火算法和BP算法相结合的混合算法来训练前馈人工神经网络,即先用模拟退火算法进行全局训练,再用BP算法进行精确训练,保证在不降低网络学习速度的情况下找到全局极小点,将模型应用于灌区地下水位预报中取得较满意的结果.