导读：从海量数据中自动进行贝叶斯网络的构造是NP（非多项式时间可解）问题，也就是通常所说的难问题，需要耗费大量的时间在海量的各种可能结构中进行搜索。网络，安全...
从海量数据中自动进行贝叶斯网络的构造是NP（非多项式时间可解）问题，也就是通常所说的难问题，需要耗费大量的时间在海量的各种可能结构中进行搜索。根据估算，其复杂度为O(n!)（n为结构所涉及到的变量数），这个复杂度是及其惊人的。所以在开发贝叶斯网推理引擎时，笔者根据参考书的提示采用了针对NP问题求解的蚁群算法。
蚁群算法和启发式算法的思路比较相似：保留以前搜索过的结构的信息用以对待搜索的结构进行筛选，其目的就是希望大大减少对无效结构的搜索，毕竟待搜索空间过于巨大，用少量的附加处理开销换取对搜索空间的大大缩减还是合算的。但和启发式算法不同的是，启发式算法完全依赖于对待解决问题的认识，其效果完全依赖于评价函数的好坏，这就使得其应用受到很大限制，尤其是在人们认识还不是很完善的领域，比如知识发现
