The present invention relates to modeling the variables of a data set by means of a robabilistic network including data nodes and causal links. The term `probabilistic networks` includes Bayesian networks, belief networks, causal networks and knowledge maps. The variables of an input data set are registered and a population of genomes is generated each of which individually models the input data set. Each genome has a chromosome to represent the data nodes in a probabilistic network and a chromosome to represent the causal links between the data nodes. A crossover operation is performed between the chromosome data of parent genomes in the population to generate offspring genomes. The offspring genomes are then added to the genome population. A scoring operation is performed on genomes in the said population to derive scores representing the correspondence between the genomes and the input data. Genomes are selected from the population according to their scores and the crossover, scoring, addition and selecting operations for a plurality of generations of the genomes. Finally a genome is selected from the last generation according to the best score. A mutation operation may be performed on the genomes. The mutation may consist of the addition or deletion of a data node and the addition or deletion of a causal link.

Die anwesende Erfindung bezieht auf dem Modellieren der Variablen eines Modems mittels eines robabilistic Netzes einschließlich Datennullpunkte und verursachende Verbindungen. Das Bezeichnung ` Wahrscheinlichkeitsnetworks` schließt bayesische Netze, Glaubensnetze, verursachende Netze und Wissen Diagramme mit ein. Die Variablen einer Eingabedatei werden registriert und einer Bevölkerung der Genome wird jedes erzeugt, von dem einzeln die Eingabedatei modelliert. Jedes Genom hat ein Chromosom, zum der Datennullpunkte in einem Wahrscheinlichkeitsnetz darzustellen und ein Chromosom, um die verursachenden Verbindungen zwischen den Datennullpunkten darzustellen. Ein Überkreuzungsbetrieb wird zwischen den Chromosomdaten der Elternteilgenome in der Bevölkerung durchgeführt, um Sekundärteilchengenome zu erzeugen. Die Sekundärteilchengenome werden dann der Genombevölkerung hinzugefügt. Ein zählender Betrieb wird an den Genomen in der besagten Bevölkerung durchgeführt, um die Kerben abzuleiten, welche die Korrespondenz zwischen den Genomen und den Eingang Daten darstellen. Genome werden von der Bevölkerung entsprechend ihren Kerben und der Überkreuzung vorgewählt, Zählen, Hinzufügung und wählen Betriebe für eine Mehrzahl der Erzeugungen der Genome vor. Schließlich wird ein Genom vom letzten Erzeugung entsprechend der besten Kerbe vorgewählt. Ein Veränderungbetrieb kann an den Genomen durchgeführt werden. Die Veränderung kann aus der Hinzufügung oder die Auslassung eines Datennullpunktes und der Hinzufügung oder der Auslassung einer verursachenden Verbindung bestehen.