一种环境辨识记忆动态贝叶斯优化算法

doi:10.3778/j.issn.1002-8331.2009.34.002

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (34): 4-6.DOI: 10.3778/j.issn.1002-8331.2009.34.002

一种环境辨识记忆动态贝叶斯优化算法

彭星光，高晓光

西北工业大学电子信息学院，西安 710129

收稿日期:2009-08-24 修回日期:2009-10-14 出版日期:2009-12-01 发布日期:2009-12-01
通讯作者: 彭星光

Dynamic Bayesian optimal algorithm via environment identification memory strategy

PENG Xing-guang，GAO Xiao-guang

School of Electronics and Information，Northwestern Polytechnical University，Xi’an 710129，China

Received:2009-08-24 Revised:2009-10-14 Online:2009-12-01 Published:2009-12-01
Contact: PENG Xing-guang

摘要/Abstract

摘要： 为了使贝叶斯优化算法（BOA）具有动态优化能力，提出了基于环境辨识的记忆策略（EIMS）。该策略利用概率模型对优良解的描述能力，简化了记忆管理过程并减少了记忆所占内存空间。设计了最优个体+采用平均的环境辨识算法。实验结果表明，通过对历史信息的记忆和利用，EIMS能够使BOA有效求解动态优化问题，算法的性能在循环、循环+噪声以及随机动态环境下均显著优于重启式BOA。

关键词: 贝叶斯优化算法, 概率模型, 环境辨识, 动态优化问题

Abstract: In order to make Bayesian Optimal Algorithm（BOA） be able to optimize dynamically，an Environment Identification based Memory Strategy（EIMS） is proposed.Using this strategy，the memory management is simplified and the space used to store memory is saved.Both of these are benefit by the fact that probability model can represent the distribution of high-quality solutions.An environment identification technology named best individual + samples averaging method is designed.Experimental results show that，by recording and reusing the memory，the EIMS can effectively enhance the BOA to solve dynamic optimal problems.In addition，no matter how the environment changes，the corresponding dynamic BOA can always significantly overcome restart BOA.

Key words: Bayesian optimal algorithm, probability model, environment identification, dynamic optimal problem

中图分类号:

TP18

彭星光，高晓光

. 一种环境辨识记忆动态贝叶斯优化算法[J]. 计算机工程与应用, 2009, 45(34): 4-6.

PENG Xing-guang，GAO Xiao-guang. Dynamic Bayesian optimal algorithm via environment identification memory strategy[J]. Computer Engineering and Applications, 2009, 45(34): 4-6.

[1]	石贵民1，2，余文森1，2. 一种用于脸部特征检测的分层概率模型研究[J]. 计算机工程与应用, 2017, 53(20): 154-160.
[2]	陈健，申元霞，纪滨. 求解动态优化问题的多种群骨干粒子群算法[J]. 计算机工程与应用, 2017, 53(19): 45-50.
[3]	郑伦川1，邓亚平2. 一种获取标签相关信息的多标签分类方法[J]. 计算机工程与应用, 2016, 52(14): 156-160.
[4]	夏春蕊1，王瑞1，李晓娟1，关永1，张杰2，魏洪兴3. 动态环境下基于概率模型检测的路径规划方法[J]. 计算机工程与应用, 2016, 52(12): 5-11.
[5]	王铭1，王瑞1，李晓娟1，关永1，张杰2，魏洪兴3. 非确定性环境中移动机器人避障策略的验证 ——基于形式化建模和概率分析[J]. 计算机工程与应用, 2016, 52(10): 31-38.
[6]	尚赵伟，李振华，张澜. 基于日志的协同图像自动标注[J]. 计算机工程与应用, 2015, 51(8): 178-182.
[7]	马陈，李钢，张仁斌，张慧君，秦亚军，谢昭. 基于视觉概率统计的无监督数字抠图模型[J]. 计算机工程与应用, 2015, 51(18): 169-174.
[8]	赵作林1，李兆民1，杨刚1，黄心渊2. 基于概率模型的树木间接光照效果的实时模拟[J]. 计算机工程与应用, 2015, 51(15): 161-166.
[9]	李志敏1，2，高斌2，赵治国2. 基于平均变化率和空闲长度的丢包概率模型[J]. 计算机工程与应用, 2015, 51(11): 88-92.
[10]	王艳1，2，乐嘉锦3，姜久雷1，张云2. 多维不确定性XML数据模型的研究[J]. 计算机工程与应用, 2013, 49(23): 91-94.
[11]	冯乃勤，王善侠，敖连辉，徐久成，张新明. 形态学联想记忆存储性能的研究[J]. 计算机工程与应用, 2011, 47(21): 39-42.
[12]	易叶青^1，2，林亚平²，刘云如¹. 基于决策图贝叶斯的盲源信号分离算法[J]. 计算机工程与应用, 2010, 46(23): 132-134.
[13]	张玲艳，闫丽，王大凯. 图像梯度分类的概率模型及在边缘检测中的应用[J]. 计算机工程与应用, 2010, 46(18): 180-182.
[14]	韩建平,张林锋,陈临强. 用于虚拟广告系统的视频对象分割算法[J]. 计算机工程与应用, 2009, 45(5): 171-173.
[15]	丁向民¹，徐斌². 基于GLR算法的新型概率句法分析器[J]. 计算机工程与应用, 2009, 45(32): 130-132.

一种环境辨识记忆动态贝叶斯优化算法

Dynamic Bayesian optimal algorithm via environment identification memory strategy

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics