本文研宄的冶金能源系统训练Bayesian网络结构的起点是一个包含所有调整用户及煤气存储柜作为节点的无向图,图中不包含节点间的有向边。在搜索其Bayesian网络结构的过程中,按照由GA算法优化选择得到的用户拓扑顺序/7逐个考察节点变量,按照给定的父代节点的上限W,通过计算K2算法的网络评分来确定对其产生影响的用户,然后添加相应的边。以用户X,为例,若己经搜索得到它的一些父代节点TT,,首先判断TT,中变量的个数是否小于父代节点上限U ,若是则继续为它添加父代节点。即逐个考察在节点拓扑顺序P中排在用户X,之前,但尚未被添加为的父代节点的变量,将其作为^的父代节点,并计算当前网络结构的K2评分;然后将尸&2_,与旧的网络评分目比较:若Pn-,表明添加了变量为A的父代节点的网络结构评分增力口,则将X,视为X,的父代节点,Bayesian网络结构中添加由X).指向X,的有向边;若P,2ne.:^P,2o?'证明网络评分不增加,则不添加该边。当;T,中变量的个数达到父代节点上限W时,则停止为X,寻找父代节点。在训练Bayesian网络的最后一步,为寻找对<煤气柜>产生直接影响的用户,从而得到当前调整对象。