数据集概述
本数据集围绕贝叶斯自适应搜索算法展开，结合不精确熵指标（IEI）实现目标定位。包含1000次成功目标搜索的统计结果、后验概率值、IEI加权平均值，以及随机搜索、随机游走、遗传算法等对照实验数据，用于算法性能基准测试与可靠性验证。
文件详解
该数据集由多个压缩文件、代码文件、表格文件和图片组成，具体说明如下：
- 核心算法数据文件:
- IEI_Likelihood_Based_Data.zip: 包含基于似然计算的IEI平均值数据，共12000个数据点
- Weighted_IEI_Average_08_01_2025.xlsx: Excel格式文件，记录贝叶斯公式计算的IEI加权平均值
- IEI_Self_Learning_08_01_2025.py: Python源代码文件，实现贝叶斯自适应搜索算法
- Self_learning_model_test_output.zip: 包含1000次目标搜索的结果文件、后验更新文件和似然分析文件
- Self_learning_model_test_results.zip: 包含象限热图、后验分布、宏观统计摘要、ANOVA分析结果等
- 对照实验数据文件:
- Random_search.zip: 随机搜索算法的源代码、1000次目标搜索结果和热图
- Random_walk.zip: 随机游走算法的源代码、1000次迭代结果、汇总文件和热图
- Genetic_search_algorithm.zip: 遗传算法的源代码、运行结果、汇总文件和热图
- 辅助文件:
- Research_area.png: 图片文件，展示半径100单位的圆形搜索空间及中心(100;100)、半径10单位的目标区域
适用场景
- 算法性能评估: 比较贝叶斯自适应搜索与传统搜索算法的效率差异
- 不确定性量化研究: 分析不精确熵指标在目标定位中的应用价值
- 空间搜索策略优化: 探索不同起始象限对搜索步骤的影响
- 统计学习方法验证: 验证贝叶斯方法在目标定位任务中的可靠性
- 人工智能算法研究: 研究自适应学习机制在后验概率更新中的作用
