本文研究了在进行非自适应实验时的因果结构学习问题。通过优化问题，寻找最佳干预目标集，最大化解决方向的边的平均数量。证明了目标函数是子模的，并且贪心算法可以实现最优值的(1-1/e)逼近。提出了一种加速的贪心算法变体，可以实现数量级的性能加速。在合成和真实图上验证了方法，结果表明，通过较少的干预，大部分边可以定向。