[ナイーブなEDA]

1. サンプル集合 $x_t^{(1)},\ldots,x_t^{(N)}$ から $f(x)$ が 小さいものを選ぶ
2. 選ばれたサンプルを使って分布 $p(x;\theta)$ を学習する．
3. $p(x;\theta)$ に基づいて新たなサンプル集合を作る．

EDA は 遺伝的浮動の傾向など GA との共通部分も多い． 実際には MCMC との統合や，具体的な $p(x;\theta)$ のクラスなどが問題と なるが，本稿ではそれらの問題点には踏み込まず，以下， 学習に関する側面について関連する研究を紹介する．