研究のまとめ2：分布推定アルゴリズム (Estimation of Distribution Algorithms)

遺伝的アルゴリズムから発展したアルゴリズム。確率モデルを用いる。
良好な解の生成確率を上げるようにモデルを学習する。
ビットストリングを扱う手法が多いが、実数値や順序表現なども研究が進んでいる。
PMBGA (Probabilistic Model-Building Genetic Algorithms) とも呼ばれる。

Population-based Incremental Learning (PBIL)

http://eprints.kfupm.edu.sa/58378/
基本となる手法。ビットストリングの最適化。
各変数が1となる確率を表す、確率ベクトルの値を学習する。
変数間の依存性は考えない。
HC-ACOとほぼ等価。

compact Genetic Algorithm (cGA)

The compact genetic algorithm - IEEE Conference Publication
PBILと同じく確率ベクトルの値を学習する。
変数間の依存性は考えない。
1度に2個体のみ生成する。集団サイズnのsimple GAをシミュレートできる。
HC-ACOとほぼ等価。

Univariate Marginal Distribution Algorithm (UMDA)

From recombination of genes to the estimation of distributions I. Binary parameters | SpringerLink
PBIL、cGAと同じく確率ベクトルの学習。

Mutual Information Maximization Input Clustering (MIMIC)

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.89.4429&rep=rep1&type=pdf
2変数間の条件付き確率が連なったモデルを用いる。
連鎖の順序はエントロピーが最小となるように決める。

Bivariate Marginal Distribution Algorithm (BMDA)

http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.30.7811
2変数の同時確率を用いる。
カイ二乗統計量に基づいて変数間の独立性を判断する。

Factorized Distribution Algorithms (FDA)

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.79.4547&rep=rep1&type=pdf

Bayesian Optimization Algorithm (BOA)

http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.46.8131
ベイジアンネットワークをモデルに用いる。

遺伝的アルゴリズム - その理論と先端的手法

GAについて理論的側面を重視して書かれた良書。