# 贝叶斯网络结构学习

精确因果结构学习用混合整数规划求全局最优有向无环图，但分支切割搜索代价高。新工作在学习到的无向骨架上加最大团大小上界，在整数候选处用惰性环约束和团约束剔除局部过密子图。在静态线性高斯合成图上，团约束并未一致加速优化，收益取决于图密度、样本量和割管理策略；更紧的有效 Big-M 界在多数测试设置下缩小了固定预算最优性间隙。

精确因果结构学习用混合整数规划求全局最优有向无环图，但分支切割搜索代价高。新工作在学习到的无向骨架上加最大团大小上界，在整数候选处用惰性环约束和团约束剔除局部过密子图。在静态线性高斯合成图上，团约束并未一致加速优化，收益取决于图密度、样本量和割管理策略；更紧的有效 Big-M 界在多数测试设置下缩小了固定预算最优性间隙。