基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的智能自主優(yōu)化機(jī)制研究.pdf

1、本文以基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)自主優(yōu)化為線索，展開動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)推理算法、平穩(wěn)系統(tǒng)動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)模型及非平穩(wěn)系統(tǒng)動(dòng)態(tài)網(wǎng)絡(luò)變結(jié)構(gòu)學(xué)習(xí)模型設(shè)計(jì)、動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)尋優(yōu)算法、進(jìn)化優(yōu)化與動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)混合優(yōu)化等研究。推理算法以隱變量作為劃分依據(jù)，討論了離散、連續(xù)模型的推理算法，并進(jìn)行了算法復(fù)雜度及應(yīng)用領(lǐng)域的討論；結(jié)構(gòu)學(xué)習(xí)研究首先從度量體制入手，討論了動(dòng)態(tài)網(wǎng)路度量體制的可分解性，提出了平穩(wěn)及非平穩(wěn)系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)模型，以及基于貪婪算法思想的遺傳

2、算法尋優(yōu)思想。最終將DBN推理及結(jié)構(gòu)學(xué)習(xí)理論與BN快速構(gòu)型決策網(wǎng)絡(luò)優(yōu)化結(jié)合起來，用于自主優(yōu)化領(lǐng)域，并通過大量仿真檢驗(yàn)。 本文具體對(duì)以下方面進(jìn)行了研究工作： (1)提出了在不同環(huán)境、不同模式下合理選用DBN推理算法的若干方式，并通過性能分析對(duì)比試驗(yàn)進(jìn)行了驗(yàn)證。即將DBN視為無時(shí)間軸的BN進(jìn)行推理、轉(zhuǎn)化為標(biāo)準(zhǔn)的HMM進(jìn)行推理、DBN直接推理算法推理對(duì)比，得出了如下結(jié)論：①當(dāng)網(wǎng)絡(luò)變量少或耦合度高時(shí)，應(yīng)優(yōu)先選用HMM推理機(jī)工作，

3、②當(dāng)節(jié)點(diǎn)變量多且耦合度低時(shí)，優(yōu)先選用DBN直接推理算法，③對(duì)于KFM及其派生形式，應(yīng)優(yōu)先選用經(jīng)典LDS推理機(jī)工作。這些結(jié)論為轉(zhuǎn)移網(wǎng)絡(luò)DBN應(yīng)用推理感知環(huán)境奠定基礎(chǔ)。 (2)在DBN度量分解的基礎(chǔ)上，提出了分解度量可降低DBN結(jié)構(gòu)尋優(yōu)時(shí)間及算法移植的思想，并通過大量的試驗(yàn)仿真驗(yàn)證了該思想的正確性。將基于BD、BIC度量的BN結(jié)構(gòu)學(xué)習(xí)方法推廣到其動(dòng)態(tài)系統(tǒng)，在諸多文獻(xiàn)基礎(chǔ)上，進(jìn)一步細(xì)化了DBN結(jié)構(gòu)度量分解公式，通過大量的結(jié)構(gòu)算法性能試

4、驗(yàn)，驗(yàn)證了DBN度量可分解性的分解計(jì)算的時(shí)效性，為轉(zhuǎn)移網(wǎng)絡(luò)DBN快速構(gòu)建結(jié)構(gòu)算法奠定基礎(chǔ)。 (3)提出了基于BOA的DBN結(jié)構(gòu)尋優(yōu)算法，用于DBN的結(jié)構(gòu)學(xué)習(xí)。該算法包含四個(gè)基本步驟，即①建立初始種群，②尋找匹配于優(yōu)良解集S(t)的DBN，③應(yīng)用前向模擬算法生成新的種群，④代替上一代種群重新進(jìn)化，其中②是最關(guān)鍵的一步，遂設(shè)計(jì)了基于貪婪算法思想遺傳算法解決這一問題。最終的實(shí)驗(yàn)仿真驗(yàn)證了該算法的正確有效性。該算法是轉(zhuǎn)移網(wǎng)絡(luò)DBN感知環(huán)

5、境的重要環(huán)節(jié)。 (4)設(shè)計(jì)了平穩(wěn)隨機(jī)系統(tǒng)的DBN構(gòu)圖模型以及非平穩(wěn)隨機(jī)系統(tǒng)變結(jié)構(gòu)DBN結(jié)構(gòu)學(xué)習(xí)模型，提出了模糊自適應(yīng)度量法用于動(dòng)態(tài)檢測(cè)和分解非平穩(wěn)隨機(jī)過程片斷，為DBN變結(jié)構(gòu)學(xué)習(xí)，即動(dòng)態(tài)感知環(huán)境奠定理論基礎(chǔ)。 (5)提出了DBN與EA的混合優(yōu)化自主優(yōu)化算法，將其用于自主智能體的動(dòng)態(tài)決策。以DBN為轉(zhuǎn)移網(wǎng)絡(luò)，通過其已知結(jié)構(gòu)的推理模型或結(jié)構(gòu)學(xué)習(xí)模型感知環(huán)境，動(dòng)態(tài)改變優(yōu)化的方向，取舍優(yōu)化節(jié)點(diǎn)，同時(shí)將感知結(jié)果映射到?jīng)Q策網(wǎng)絡(luò)BN，