Optimization by Estimation of Distribution with DEUM Framework Based on Markov Random Fields

这篇论文论述一个 Markov 随机的领域(MRF ) 估计和采样的途径在答案的人口的概率分发。途径被用来用 Markov 随机的领域(DEUM ) 在一般标题分发评价下面定义算法的一个班。因为一张未受指导的图和一个解决方案的联合概率作为分发从图的结构导出的吉布斯是 factorized， DEUM 是在解决方案变量之间的相互作用被代表的分发算法(EDA ) 的评价的一个子类。这篇论文的焦点将在描述 DEUM 框架的三个主要特征上，它把它与传统的 EDA 区分开来。他们是：1 ) MRF 模型，的使用 2 ) 估计模型的参数的健康建模途径并且 3 ) 从模型的采样的蒙特卡罗途径。分发算法的关键词评价 - 进化 algorthms - 健康建模 - Markov 随机的地 - 吉布斯分发 Siddhartha K。Shakya 从 Vladimir 州立大学在计算机工程收到了他的 B.E 和 M.E 度。俄国，在 1998 和 1999 分别地，并且 M.Sc。在来自萨西克斯郡的大学的聪明的系统的度。在 2002 的英国。他从罗伯特·格登大学在计算机科学收到了他的博士学位，阿伯丁，在 2006 的英国。当前，他是在在 BT 研究以内的聪明的系统研究中心的一个研究家伙。Ipswich，英国。在加入 BT 以前，他是在罗伯特·格登大学的计算的学校里的一个研究助手。特别地，他的研究兴趣包括优化算法的理论、实际的方面分发算法，概率的图形的模型和 Markov 随机领域，绘画图的算法，机器学习技术，生物信息学和运作的研究的进化算法和评价技术，例如收入管理和动态定价。他在计算智力是 IEEE 和 ACM 协会的一个成员。约翰·麦卡尔在阿伯丁的大学学习了纯数学，在他在 1991 在谎言组的稳定的 Homotopy 上完成了一个博士的地方。从那以后，他的研究兴趣通过当模特儿和优化到进化算法并且最近地演变， EDA 的强壮的焦点。他特别地对 Markov 随机的领域模型和他们的潜力感兴趣由从评估答案的样品为健康建模改进启发式的搜索。他也在进化算法的应用有强烈、忍受的兴趣到医疗优化，特别地癌症化疗，并且在这个区域广泛地出版了。另外的兴趣包括粒子群，蚂蚁殖民地和人工的免疫系统。McCall 当前是在在他领导计算智力研究组的罗伯特·格登大学的计算的一个高级讲师。

This paper presents a Markov random field （MRP） approach to estimating and sampling the probability distribution in populations of solutions. The approach is used to define a class of algorithms under the general heading distribution estimation using Markov random fields （DEUM）. DEUM is a subclass of estimation of distribution algorithms （EDAs） where interaction between solution variables is represented as an undirected graph and the joint probability of a solution is factorized as a Gibbs distribution derived from the structure of the graph. The focus of this paper will be on describing the three main characteristics of DEUM framework, which distinguishes it from the traditional EDA. They are： 1） use of MRF models, 2） fitness modeling approach to estimating the parameter of the model and 3） Monte Carlo approach to sampling from the model.