Contenido
PalancaAlgoritmo de optimización bayesiano
En un algoritmo En la optimización bayesiana, el objetivo del procesamiento de la información es construir un modelo probabilístico que describa las relaciones entre los componentes de las soluciones adecuadas en el espacio del problema. Esto se logra repitiendo el proceso de construcción y muestreo de una red bayesiana que contiene dependencias condicionales, independencias y probabilidades condicionales entre los componentes de una solución.
La red se construye a partir de las frecuencias relativas de los componentes dentro de una población de posibles soluciones de alta aptitud. Una vez que se construye la red, las soluciones candidatas se rechazan y se genera una nueva población de soluciones candidatas a partir del modelo. El proceso se repite hasta que el modelo converge en una solución prototipo adecuada.
El siguiente algoritmo proporciona una pseudocódigo del algoritmo de optimización bayesiano para minimizar una función de coste. La red bayesiana se construye en cada iteración utilizando un algoritmo codicioso. La red se evalúa en función de su coincidencia con la información de la población de soluciones candidatas utilizando una métrica bayesiana de Dirichlet (BD) o un criterio de información bayesiano (BIC).
El algoritmo de optimización bayesiano se diseñó y estudió sobre problemas básicos de cadenas binarias, que suelen representar problemas de optimización de funciones binarias.
Las redes bayesianas generalmente se construyen (expanden) desde cero con cada iteración utilizando un proceso iterativo de agregar, eliminar y revertir enlaces. Además, las redes anteriores se pueden utilizar como base para la próxima generación.
Se utiliza un algoritmo de escalada codicioso en cada iteración del algoritmo para optimizar una red bayesiana para representar una población de soluciones candidatas.