分布式估计算法举例(高斯分布) 利用分布估计算法解决下面方程的最大值： 采用高斯分布在每一次计算后重新建立概率模型。 初始种群大小设置为6，在算法的第一步，使用随机的方法在[-2,2]之间取6个数。 具体步骤如下：

这篇文献也是分布估计算法中的，比PBIL那篇要高一点。

将Copula 理论引入分布估计算法的研究中, 并在估计概率模型时分两个步骤进行: 1) 估计各变量的边缘分 布函数; 2) 构造经验Copula 函数或正态Copula 函数. 根据Copula 函数和各边缘分布进行采样, 在简化估计模型运算 复杂度的同时, 充分反映了变量之间的关系. 仿真实验验证了该算法的可行性和有效性..

分布式估计算法举例 重复以上步骤 从示例中可以看出，所谓的分布估计算法就是一个不断地更新概率模型，使概率模型越来越能反映优秀个体的分布的过程。

借鉴K-S检验的思想，应用到copula分布估计算法边缘分布函数的选取中。在估计概率模型阶段，根据实际样本点来建立模型确定所服从的边缘分布函数，其中采用多种不同的分布函数(柯西分布、t分布和正态分布等)作为候选的边缘分布函数。在参数估计阶段，采用PMLE估计copula函数参数的方式进行仿真实验。根据所服从的不同的边缘分布分别进行采样，从而增加种群多样性，改善基于 copula分布估计算法的执行效率。

分布估计算法PPT，讲解了分布估计算法的基本原理

这篇论文是分布估计算法中的一篇基础文献，呵呵。个人认为还是很不错的。

课程作业，分布估计算法。 需要的话敬请下载。。。。。。

矩形件排样是一个平面二维优化布局的问题，由于其众多的约束条件和计算上的复杂性，在短时间内求其最优解相当困难，属于典型的NP完全问题。针对矩形件排样问题，本文采取一种改进的最低水平线搜索算法，通过判断排样中产生的废弃空闲区域的位置关系，对邻接的空闲区域进行有效的合并，并结合分布估计算法求解矩形件排样优化问题。最后，通过模拟实验，采用本文算法求解后矩形板材的利用率为93.75%，充分体现了本文算法的有效性。

Mateda2.0一个非常好用的分布估计算法matlab工具箱，For a preliminary explanation of Mateda2.0 see the file Mateda2.0-UserGuide.pdf in this directory. General documentation about the programs is available in the /doc directory or from: http://www.sc.ehu.es/ccwbayes/members/rsantana/software/matlab/MATEDA.html MATEDA-2.0 employs the Matlab Bayes Net (BNT) toolbox (Murphy:2001) and the BNT structure learning package (Leray_and_Francois:2004). These programs, which are freely available from the authors website (they can be respectively downloaded from http://people.cs.ubc.ca/~murphyk/Software/BNT/bnt.html and http://banquiseasi.insa-rouen.fr/projects/bnt-slp/), should be installed previously to the MATEDA-2.0 installation. Some of the MATEDA-2.0 routines also employs the MATLAB statistical toolbox and the affinity propagation clustering algorithm (Frey_and_Dueck:2007) (the Matlab implementation of affinity propagation is available from http://www.psi.toronto.edu/affinitypropagation/). After installing the BNT and BNT structure learning tools: 1) Set the path to the current BNT structure learning tool directory. This is done by modifying file add_SLP.m. 2) Unpack the file IntEDA.zip and copy the files to a directory named MATEDA. 3) Edit file InitEnvironment.m updating the paths path_MATEDA, path_FullBNT and path_BNT_SLP. 4) Set the current Matlab directory to the MATEDA directory. 5) Execute program InitEnvironments.m. Several warnings but no error should appear. The folder ScriptsMateda contains several examples of EDAs implementations. The file Mateda2.0-UserGuide.pdf contains a detailed explanation of how to use the programs. This library is distributed in the hope that it will be useful, but WITHOUT ANY WARRANTY; without even the implied warranty of MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. Last version 2/04/2009. Roberto Santana (roberto.santana@ehu.es)