贝叶斯网络是一种图形化网络,它是图理论与概率理论相结合的产物,用来表达节点间的概率分布并进行推理。在过去的数十年之中,贝叶斯网络模型在不确定系统应用上取得了不错的效果,它被广泛的应用在不确定性研究之中。贝叶斯网络的研究主要在贝叶斯网络的学习上,特别是贝叶斯网络的结构学习,而现在的研究表明贝叶斯网络的结构学习是NP问题,因此有效的结构学习方法的探寻是贝叶斯网络理论研究的重点。本文对贝叶斯网络结构学习进行了深入的研究,将经典启发式算法鱼群算法和蜂群算法进行改进并引入到贝叶斯网络的结构学习之中从而形成新的学习方法,本文将对这些工作进行具体的介绍,以下是本文工作的简要说明。首先,阐述贝叶斯网络的基本理论以及研究现状,介绍贝叶斯网络的学习,特别是关于其结构学习的发展状况,以此引出本文的研究背景。其次,详细介绍鱼群算法在贝叶斯网络结构学习中应用。在这里要指出鱼群算法的改进方式,包括云自适应理论、遗传算法思想,并以此提出了基于云自适应遗传鱼群算法的贝叶斯网络结构学习算法。再次,在蜂群算法的框架之中引入差分进化算法,并结合之前提出的云自适应理论,提出自己的基于混合差分蜂群算法的贝叶斯网络结构学习算法。最后,对本文的研究进行总结并结合本文研究对贝叶斯网络的结构学习提出自己的看法,继而展望贝叶斯网络的研究以及进一步的发展。