分布估计算法通过概率模型来描述候选解在空间中的分布,采用统计学的手段,从群体宏观的角度建立一个描述解分布的概率模型,然后对概率模型随机采样生成一个新的种群,如此反复进行,实现种群的进化,直至终止条件。
一般可归纳为下面两个主要步骤:
- 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,然后采用统计学习等手段构造一个描述当前解集的概率模型。
- 由概率模型随机采样(一般采用蒙特卡罗方法)产生新的种群。
分布式估计算法能够更加有效的解决高维问题,降低时间复杂度。
分布估计算法通过概率模型来描述候选解在空间中的分布,采用统计学的手段,从群体宏观的角度建立一个描述解分布的概率模型,然后对概率模型随机采样生成一个新的种群,如此反复进行,实现种群的进化,直至终止条件。
一般可归纳为下面两个主要步骤:
分布式估计算法能够更加有效的解决高维问题,降低时间复杂度。