摘要
分布估计算法是一种新的基于种群进化的算法,它通过统计当前群体中较优个体的信息构建其概率分布模型,然后对模型进行抽样生成下一代群体。针对分布估计算法在求解搜寻最优网络结构的NP-Hard问题,提出一种新的最大熵分布算法,该算法以Jaynes原理为依据,利用随机变量的最大熵估计随机变量的最小偏见概率分布,并以此作为算法的进化模型,有效地降低了算法的计算复杂度。以旅行商问题和误导问题为例所进行的计算结果证明了该算法具有更高的全局搜索能力与更稳定的收敛性。
Estimation of distribution algorithms （EDAs） are a new kind of colony evolution algorithms, through counting the excellent information of the individuals of present colony EDAs construct a probability distribution model, then sample the model to produce the next generation. To solve the NP-Hard question as EDAs searching the optimum network structure a new maximum entropy distribution algorithm（MEDA） is provided. Based on the Jaynes theory MEDA uses maximum entropy of random variables to estimate their least bias probability distribution and treats it as an evolution model, thus effectively reduces the complexity of MEDA. The test of the traveling salesman problem and the deceptive problem proves the better searching ability and steady convergence of MEDA.
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2007年第5期820-822,共3页
Systems Engineering and Electronics
基金
南京航空航天大学社会科学基金资助课题(V0683-092)
关键词
分布估计算法
熵
概率
模型
estimation of distribution algorithm
entropy
probability
model
作者简介
陆琳（1976-），男，博士研究生，主要研究方向为物流管理和系统工程。E-mail：landdoct@126．com
