本文選題：雙邊匹配　切入點：蟻群算法　出處：《廣西大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來我國電子商務(wù)發(fā)展迅猛,在中介模式的電子商務(wù)交易過程中,電子中介在盡可能滿足買賣雙方各自需求條件并考慮各方利益的情況下促成交易,該問題為電子商務(wù)中雙邊匹配問題。現(xiàn)實生活中存在著大量的雙邊匹配問題。目前解決雙邊匹配問題的多數(shù)算法都是將多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)問題來求解,但對同一問題不同的決策者往往會從不同的角度考慮。因此,本文建立一種多目標(biāo)雙邊匹配問題模型,并結(jié)合改進的粒子群蟻群算法對其進行求解J主要工作內(nèi)容如下：(1)針對粒子群算法在連續(xù)優(yōu)化問題的搜索效率方面提出一種全局最優(yōu)變異策略,并將其融入帶收縮與發(fā)散操作的自適應(yīng)粒子群優(yōu)化算法當(dāng)中,使得粒子整體保持高效搜索的同時及時逃離局部最優(yōu)。之后用幾組經(jīng)典測試函數(shù)進行測試,實驗結(jié)果表明該策略能夠增強粒子的搜索功能,提高算法的尋優(yōu)精度和速度。(2)針對蟻群算法收斂速度慢、易陷入局部最優(yōu)的特點,設(shè)計一種完全自適應(yīng)信息素調(diào)節(jié)多目標(biāo)蟻群算法,通過動態(tài)調(diào)控蟻群系統(tǒng)信息素使得算法能夠較快地收斂,避免算法停滯不前,所得多目標(biāo)非劣解具有較好的收斂性且分布均勻。之后使用國際公認的TSP多目標(biāo)測試函數(shù)對其進行測試,并對測試結(jié)果進行分析。(3)設(shè)計了一種針對雙邊匹配問題的滿意度計算方法,該方法能更準(zhǔn)確地反映滿意程度情況,并在此基礎(chǔ)上設(shè)計一類雙邊匹配問題數(shù)學(xué)模型。針對多目標(biāo)雙邊匹配問題的特點將(1)(2)當(dāng)中的粒子群算法與蟻群算法分別進行改進,并將二者有機結(jié)合用于求解己建立的雙邊匹配問題數(shù)學(xué)模型。實驗結(jié)果表明改進后的多目標(biāo)粒子群蟻群算法可以較好地解決該類雙邊匹配問題。
[Abstract]:In recent years, electronic commerce in China has developed rapidly. In the process of electronic commerce transaction of intermediary mode, electronic intermediary can meet the requirements of both parties as far as possible and take into account the interests of all parties to facilitate the transaction. This problem is a bilateral matching problem in electronic commerce. There are a lot of bilateral matching problems in real life. At present, most of the algorithms to solve the bilateral matching problem are to transform the multi-objective problem into a single-objective problem to solve the problem. However, different decision makers on the same problem tend to consider it from different angles. Therefore, a multi-objective bilateral matching model is established in this paper. Combining with the improved particle colony ant colony algorithm, the main work of solving J is as follows: 1) A global optimal mutation strategy is proposed for the search efficiency of the particle swarm optimization problem. It is integrated into the adaptive particle swarm optimization algorithm with shrinkage and divergence operations to make the whole particle keep efficient search and escape from the local optimum in time. Then several groups of classical test functions are used to test. The experimental results show that the strategy can enhance the searching function of particles and improve the accuracy and speed of the algorithm. (2) aiming at the characteristics of the ant colony algorithm, the convergence rate is slow and the ant colony algorithm is prone to fall into local optimum. A fully adaptive pheromone adjusting multiobjective ant colony algorithm is designed. By dynamically adjusting pheromone of ant colony system, the algorithm can converge quickly and avoid stagnation. The obtained multiobjective noninferior solution has good convergence and uniform distribution, and then it is tested by the internationally recognized TSP multiobjective test function. Finally, a satisfaction calculation method for bilateral matching problem is designed, which can reflect the degree of satisfaction more accurately. On this basis, a mathematical model of a kind of bilateral matching problem is designed. According to the characteristics of the multi-objective bilateral matching problem, the particle swarm optimization (PSO) algorithm and the ant colony algorithm (ACO) are improved respectively in accordance with the characteristics of the multi-objective bilateral matching problem. The experimental results show that the improved multi-objective particle colony ant colony algorithm can solve the two-sided matching problem.
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 鄒汪平;;一種基于網(wǎng)絡(luò)安全控制的蜂群算法應(yīng)用研究[J];吉林師范大學(xué)學(xué)報(自然科學(xué)版);2013年04期

2 李向偉;曹博;;時間參數(shù)在HITS算法中的應(yīng)用及改進[J];蘭州工業(yè)高等專科學(xué)校學(xué)報;2006年02期

3 吳濤;彭篤學(xué);;一種改進的直線段裁剪算法[J];湛江師范學(xué)院學(xué)報;2008年03期

4 張瑞子;南琳;胡琨元;田景賀;;基于EPC Class-1 Gen-2標(biāo)準(zhǔn)的防沖突算法與改進[J];計算機工程;2009年02期

5 黃超;周寧;倪佑生;;基于蟻群算法的攻擊圖分析[J];計算機工程;2009年18期

6 秦永彬;許道云;;警示傳播算法的原理分析及算法改進[J];計算機工程與應(yīng)用;2010年19期

7 郭毅可;韓銳;;云計算中的彈性算法:概要和展望[J];上海大學(xué)學(xué)報(自然科學(xué)版);2013年01期

8 牛玉靜;唐棣;;雙步圓的反走樣生成算法[J];計算機工程與應(yīng)用;2010年23期

9 肖璞;;XML索引更新算法的改進[J];南京工程學(xué)院學(xué)報(自然科學(xué)版);2010年03期

10 周駿;陳鳴;張佳明;;兩類頻繁項算法在網(wǎng)絡(luò)流上的適用性評估[J];計算機工程;2011年16期

相關(guān)會議論文 前10條

1 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學(xué)會——2004年學(xué)術(shù)年會論文集[C];2004年

2 黃紀(jì)武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學(xué)會2004年學(xué)術(shù)年會論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進的Apriori算法的研究[A];廣西計算機學(xué)會2012年學(xué)術(shù)年會論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實現(xiàn)[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

5 趙唯;;晶粒度評級的改進算法[A];中國圖象圖形科學(xué)技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 劉啟文;;可擴展的圖形學(xué)算法演示系統(tǒng)的研究[A];’2004計算機應(yīng)用技術(shù)交流會議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進算法[A];廣西計算機學(xué)會25周年紀(jì)念會暨2011年學(xué)術(shù)年會論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計算機學(xué)會2009年年會論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 鐘永騰;基于近場MUSIC算法的復(fù)合材料結(jié)構(gòu)健康監(jiān)測研究[D];南京航空航天大學(xué);2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線綜合中的應(yīng)用[D];西安電子科技大學(xué);2015年

3 苗義烽;突發(fā)事件下的列車運行調(diào)度模型與算法研究[D];中國鐵道科學(xué)研究院;2015年

4 楊玉婷;頭腦風(fēng)暴優(yōu)化算法與基于視頻的非接觸式運動定量分析方法研究[D];浙江大學(xué);2015年

5 劉杰;全局優(yōu)化問題的幾類新算法[D];西安電子科技大學(xué);2015年

6 柏靜;基于多種混合策略的人工蜂群算法改進研究[D];山東師范大學(xué);2016年

7 孔翔宇;幾類優(yōu)化問題的人工蜂群算法[D];西安電子科技大學(xué);2016年

8 單美靜;求解非線性實代數(shù)系統(tǒng)的混合算法研究[D];華東師范大學(xué);2008年

9 邱劍鋒;人工蜂群算法的改進方法與收斂性理論的研究[D];安徽大學(xué);2014年

10 潘磊;若干社區(qū)發(fā)現(xiàn)算法研究[D];南京大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 安世勇;命題邏輯中隨機3-SAT問題算法研究[D];西南交通大學(xué);2015年

2 畢曉慶;油氣探礦權(quán)競爭性出讓系統(tǒng)設(shè)計與實現(xiàn)[D];中國地質(zhì)大學(xué)(北京);2015年

3 王明明;鐵路大機與線路固定設(shè)施間距檢測算法研究[D];西南交通大學(xué);2015年

4 李靜;基于視頻圖像序列的運動目標(biāo)檢測與跟蹤算法研究[D];寧夏大學(xué);2015年

5 劉貝玲;基于天地圖的租房平臺開發(fā)及其關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學(xué);2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災(zāi)應(yīng)急疏散最優(yōu)路徑研究[D];西南交通大學(xué);2015年

8 張路奇;基于改進蟻群算法的WSN路由協(xié)議的研究[D];中國地質(zhì)大學(xué)(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應(yīng)用與改進[D];長安大學(xué);2015年

10 信琴琴;手勢控制和識別算法研究[D];閩南師范大學(xué);2015年

，

本文編號：1636686