本文提出了一种基于最优调整算法的学习贝叶斯网络的方法，通过确定父节点的可识别性条件并使用 Hilbert-Schmidt 独立性准则进行优化。实验证明该算法在不同数据集上优于现有方法，特别是在 Sigmoid 混合模型中，算法的结构干预距离（SID）比 CAM 算法小 329.7，表明该算法对图的估计缺少的边更少。