Apprentissage de la structure d'un réseau bayésien par un algorithme génétique
Résumé
Combinant les propriétés de la théorie des probabilités et de la théorie des graphes, les réseaux bayésiens ont acquis une popularité certaine durant la dernière décennie. La détermination de la structure d'un modèle à partir d'une base de cas demeure cependant un problème délicat. Nous avons développé un algorithme génétique déterminant une structure tout en s'affranchissant des limitations fréquemment imposées (nombre limité de parents par variable, connaissance d'un ordre total sur les variables). L'algorithme parcourt l'espace des graphes orientés sans circuit et repère un ensemble d'optima locaux pour renvoyer le meilleur optimum local trouvé.