第２４卷第２期空军工程大学学报Ｖｏｌ．２４Ｎｏ．２２０２３年４月ＪＯＵＲＮＡＬＯＦＡＩＲＦＯＲＣＥＥＮＧＩＮＥＥＲＩＮＧＵＮＩＶＥＲＳＩＴＹＡｐｒ．２０２３收稿日期：２０２２－０９－１６基金项目：国家自然科学基金（５１９０５４０５）作者简介：陈海洋（１９６７－），男，陕西西安人，副教授，博士，研究方向为贝叶斯网络。Ｅ－ｍａｉｌ：ｃｈｙ＿００＠１６３．ｃｏｍ引用格式：陈海洋，尚珊珊，任智芳，等．基于改进蚁狮优化的贝叶斯网络结构学习算法［Ｊ］．空军工程大学学报，２０２３，２４（２）：１０４－１１１．ＣＨＥＮＨａｉｙａｎｇ，ＳＨＡＮＧＳｈａｎｓｈａｎ，ＲＥＮＺｈｉｆａｎｇ，ｅｔａｌ．ＢａｙｅｓｉａｎＮｅｔｗｏｒｋＳｔｒｕｃｔｕｒｅＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＡｎｔＬｉｏｎＯｐｔｉ－ｍｉｚａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｉｒＦｏｒｃｅＥｎｇｉｎｅｅｒｉｎｇＵｎｉｖｅｒｓｉｔｙ，２０２３，２４（２）：１０４－１１１．基于改进蚁狮优化的贝叶斯网络结构学习算法陈海洋，尚珊珊，任智芳，刘静，张静（西安工程大学电子信息学院，西安，７１００４８）摘要为了改善小数据集下ＢＮ结构学习中对数据利用不充分的缺陷，提高贝叶斯结构学习算法的寻优效率，提出基于改进蚁狮优化的贝叶斯网络结构学习算法。首先，通过互信息约束初步构建网络，并对蚁狮算法初始化；其次，为了有效利用小数据集，用改进的ｓｉｇｍｏｉｄ函数对迭代中的矩阵元素进行二值转换；为了进一步提高蚁狮算法的搜索效率，用生物地理算法中的迁移、变异、清除算子抽取更换个别蚂蚁；最后，结合蚁狮算法的更新机制寻找最优解。实验结果表明，文中算法寻优效率高、收敛速度快，能跳出局部最优，具有更高的准确性。关键词贝叶斯网络；结构学习；互信息；蚁狮算法；ｓｉｇｍｏｉｄ函数；生物地理算法ＤＯＩ１０．３９６９／ｊ．ｉｓｓｎ．２０９７－１９１５．２０２３．０２．０１４中图分类号ＴＰ１８１文献标志码Ａ文章编号２０９７－１９１５（２０２３）０２－０１０４－０８ＢａｙｅｓｉａｎＮｅｔｗｏｒｋＳｔｒｕｃｔｕｒｅＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＡｎｔＬｉｏｎＯｐｔｉｍｉｚａｔｉｏｎＣＨＥＮＨａｉｙａｎｇ，ＳＨＡＮＧＳｈａｎｓｈａｎ，ＲＥＮＺｈｉｆａｎｇ，ＬＩＵＪｉｎｇ，ＺＨＡＮＧＪｉｎｇ（ＳｃｈｏｏｌｏｆＥ...
