分布估计算法综述.pdf

: .
ֻ 33 ज ֻ 2 ௹ el filed
of optimization technology. In addition, the future research directions are discussed.
Key words Estimation of distribution algorithms(EDAs), genetic algorithm, statistical learning, probabilistic model
1 引言 传统的遗传算法中，用种群表示优化问题的一组候
选解，种群中的每个个体都有相应的适应值，然后
最近几年，在进化计算领域兴起了一类新型的 进行选择、交叉和变异等模拟自然进化的操作，反
优化算法，称为分布估计算法 (Estimation of dis- 复进行，对问题进行求解. 而在分布估计算法中，没
tribution algorithms, EDAs)，并迅速成为进化计 有传统的交叉、变异等遗传操作，取而代之的是概
算领域的研究热点和解决工程问题的有效方法. 分 率模型的学****和采样. 分布估计算法通过一个概率
布估计算法的概念最初在 1996 年提出 [1]，在 2000 模型描述候选解在空间的分布，采用统计学****手段
年前后迅速发展，成为当前进化计算领域前沿的研 从群体宏观的角度建立一个描述解分布的概率模型，
究内容，2005 年在进化计算领域权威的国际期刊 然后对概率模型随机采样产生新的种群，如此反复
Evolutionary Computation 上出版了分布估计算法 进行，实现种群的进化，直到终止条件 [1∼3].
的专刊，近年来国际上进化计算领域的各大学术会 根据概率模型的复杂程度以及不同的采样方法，
议，如 ACM SIGEVO、IEEE CEC 等，都将分布估 分布估计算法发展了很多不同的具体实现方法，但
计算法作为重要专题予以讨论. 是都可以归纳为下面两个主要步骤 [2]：
分布估计算法提出了一种全新的进化模式. 在 1) 构建描述解空间的概率模型. 通过对种群的
评估，选择优秀的个体集合，然后采用统计学****等
收稿日期 2006-3-20 收修改稿日期 2006-6-12 手段构造一个描述当前解集的概率模型
Received March 20, 2006; in revised form June 12, 2006 .
国家重点基础研究专项基金 (G2002cb312205) 资助 2) 由概率模型随机采样产生新的种群.