使用最佳排序评分搜索提高排列DAG搜索的准确性

最稀疏排列（SP）算法准确但在实践中仅限于约9个变量；贪婪最稀疏排列（GSP）算法更快但理论上较弱。可以给出一个折衷方案，即最佳排序评分搜索（BOSS），它能给出与SP一样准确的结果，但适用于更大更密的图。BOSS更准确有两个原因：（a）它假设了“强忠实性”假设，这比忠实性假设更弱；（b）它使用了一种不同于GSP深度优先遍历的排列遍历方式，通过依次取每个变量并将其移动到优化模型评分的排列位置来获得。我们给出了BOSS与文献中几篇相关论文在线性高斯数据下的性能比较结果。在所有情况下，通过适当的参数设置，BOSS的准确性相对于竞争方法有显著提升。在测试的配置中，对于大样本，具有60个变量、平均度约为12的模型在合理时间内是可行的，且准确率接近完美；对于平均度为4的稀疏模型，在笔记本电脑上可处理多达约300个变量，同样具有接近完美的准确率。还测试了混合连续离散和全离散数据集。混合数据分析显示，在相同评分下，BOSS相对于GES的优势在更高深度时更为明显；离散数据分析显示，在相同评分下，BOSS相对于GES的优势非常小，可能不足以成为首选。