分布估计算法是进化计算领域新兴起的一类随机优化算法，它是遗传算法和统计学习的结合，通过统计学习的方法建立解空间内个体分布的概率模型，然后对概率模型随机采样产生新的群体，如此反复进行来实现群体的进化。因此，分布估计算法没有传统的交叉、变异等遗传操作，是一种全新的进化模式。 分布估计算法在编码方式上可以分为离散型编码和连续型编码两种。本文针对连续型编码的分布估计算法进行讨论，是对于连续型编码方式的分布估计算法UMDAc的改进。在UMDAc中，对于分布的估计是采取多元独立正态分布来进行对较优解的分布估计，而本文提出的基于径向基函数的分布估计算法是利用径向基函数这种统计学习方法，对选择后的较优解进行分布估计，采取的是若干个高斯基（一种特殊的径向基函数）的线性组合来近似这个分布，换句话说，本文提出的新方法是采用几个正态分布的线性组合来进行分布估计的。数值实验表明，这种新的算法在处理复杂问题上比UMDAc更加有优势。