Approche évolutionnaire de l'apprentissage de structure pour les réseaux bayésiens

An Evolutionary approach to the structural learning of Bayesian networks

• Auteur / Autrice : Alain Delaplace
• Direction : Hubert Cardot, Thierry Brouard
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2007
• Etablissement(s) : Tours

Mots clés

Mots clés contrôlés

Algorithmes génétiques

Statistique bayésienne

Résumé

Dans ce travail de thèse, nous proposons d'étudier le problème de l'apprentissage de la structure d'un réseau bayésien par un ensemble de méthodes évolutionnaires. Après avoir conçu un algorithme génétique parcourant l'espace des structures, nous avons élaboré différentes techniques visant à améliorer les performances de cet algorithme. Nous avons ainsi développé une stratégie de parcours visant à exploiter les propriétés de l'espace des graphes essentiels à travers un mécanisme de niching séquentiel, mécanisme que nous étendons par une hybridation avec une modélisation en îlots. Une autre méthode définit une distribution de probabilités sur les opérations de mutation appliquées à la population, déterminée par la qualité des individus modifiés.

In this thesis, we propose a study of the problem of learning the structure of a bayesian network through the use of evolutionary methods. We first designed a genetic algorithm to search the space of structures before establishing various strategies aiming at improving the performances of this algorithm. We consequently developed a search strategy aiming at exploiting the properties of the space of completed partially oriented graphs using a sequential niching principle which we later hybridized with an island model scheme. Another method defines a distribution probability over the mutation operations which are applied to the individuals and that is a function of the qualitative results of previously applied operations.