Parallel Genetic Algorithm with Mutual Information and Parent Set Structure for Bayesian Network Structure Learning

Zuowei He

doi:10.1109/tevc.2026.3730953

Parallel Genetic Algorithm with Mutual Information and Parent Set Structure for Bayesian Network Structure Learning

2026-09-07

0

PRE

AI

Carlos A. Coello Coello

DOI：10.1109/tevc.2026.3730953

原文链接

原文求助

摘要

En 中文

贝叶斯网络结构学习（BNSL）任务被广泛认为是NP难问题。遗传算法（GA）在解决组合优化问题（包括与BNSL相关的问题）方面显示出显著的有效性。然而，在处理大规模数据集和高维网络时，现有的基于GA的BNSL方法通常遇到大量时间消耗并涉及众多冗余计算。为解决这些问题，本文提出了一种基于互信息和父集结构的全流程并行遗传算法（PGA-MIPS），该算法由在Apache Spark上实现的通用并行分布式框架驱动。设计了一种父集结构分解和记忆策略，以避免适应度评估中的冗余计算。所提出的GA使用基于父集结构和互信息的定制化交叉和变异算子，以保留优势子结构并同时增加种群多样性。在八个贝叶斯网络上的实验结果表明，PGA-MIPS在一致性和结构汉明距离方面优于比较算法，并且在大多数情况下具有最短的运行时间。

Keyword:

Bayesian network

parallel structure learning

genetic algorithm

mutual information

memorization

Parallel Genetic Algorithm with Mutual Information and Parent Set Structure for Bayesian Network Structure Learning

摘要

期刊

机构

引用论文