本文關(guān)鍵詞：基于改進(jìn)二進(jìn)制粒子群算法的個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦方法　出處：《系統(tǒng)科學(xué)與數(shù)學(xué)》2017年08期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦 適應(yīng)度函數(shù) 二進(jìn)制粒子群算法 非對(duì)稱(chēng)映射函數(shù)

【摘要】：針對(duì)目前啟發(fā)式算法用于解決個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦問(wèn)題時(shí)存在推薦速度較慢、不穩(wěn)定等問(wèn)題,文章提出基于改進(jìn)二進(jìn)制粒子群算法的個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦方法(AsyBPSO-RA).該方法將個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦問(wèn)題建構(gòu)為適應(yīng)度函數(shù),利用改進(jìn)二進(jìn)制粒子群算法(AsyBPSO)優(yōu)化此適應(yīng)度函數(shù),生成推薦結(jié)果;AsyBPSO采用非對(duì)稱(chēng)映射函數(shù),取代基本二進(jìn)制粒子群算法中的S型映射函數(shù),以更好地平衡算法的探索和開(kāi)發(fā)階段.通過(guò)五組實(shí)驗(yàn)結(jié)果對(duì)比分析發(fā)現(xiàn),AsyBPSO收斂能力強(qiáng),穩(wěn)定性高,表明AsyBPSO-RA是較為有效的個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦方法.
[Abstract]:In view of the current heuristic algorithm used to solve the personalized learning resources recommendation problem there are some problems such as slow recommendation speed instability and so on. In this paper, an improved binary Particle Swarm Optimization (BPSO) based recommendation method for personalized web-based learning resources is proposed, which constructs the recommendation problem of personalized web-based learning resources into fitness function. An improved binary particle swarm optimization algorithm (AsyBPSO) is used to optimize the fitness function to generate the recommended results. AsyBPSO uses asymmetric mapping function to replace the S-type mapping function in the basic binary particle swarm optimization algorithm to better balance the exploration and development stages of the algorithm. AsyBPSO has strong convergence ability and high stability, which indicates that AsyBPSO-RA is an effective recommendation method for personalized network learning resources.
【作者單位】： 浙江工業(yè)大學(xué)教育科學(xué)與技術(shù)學(xué)院;浙江工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：國(guó)家社科基金年度項(xiàng)目(16BTQ084)資助課題
【分類(lèi)號(hào)】：TP18
【正文快照】： i引言 個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦是根據(jù)學(xué)習(xí)者個(gè)性化學(xué)習(xí)特征提供相匹配的學(xué)習(xí)資源和學(xué)習(xí)路徑[11.根據(jù)學(xué)習(xí)者的期望和能力等信息提供的個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源,能夠有效地提升學(xué)習(xí)者的學(xué)習(xí)效率.但是由于個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦問(wèn)題的高復(fù)雜度,導(dǎo)致已有的個(gè)性化網(wǎng)絡(luò)學(xué)習(xí)資源推薦方法

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 車(chē)林仙;;基于粒子群算法的混沌系統(tǒng)快速控制[J];瀘州職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年03期

2 郭明山;劉秉瀚;;一種改進(jìn)的混沌粒子群算法[J];福建電腦;2008年02期

3 張楠;邢志棟;董建民;王辛;;一種基于粒子群算法和育種算法的混合算法[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

4 張大興;賈建援;張愛(ài)梅;郭永獻(xiàn);;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報(bào);2009年09期

5 張?zhí)├?劉春生;;基于改進(jìn)粒子群算法的控制分配研究與應(yīng)用[J];伺服控制;2012年06期

6 黃珍;潘穎;曹曉麗;;粒子群算法的基本理論及其改進(jìn)研究[J];硅谷;2014年05期

7 焦國(guó)輝;;一種改進(jìn)的粒子群算法穩(wěn)定性證明及其應(yīng)用[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2014年14期

8 王晟;潘郁;;個(gè)體激勵(lì)粒子群算法及其社會(huì)學(xué)背景分析[J];計(jì)算機(jī)工程;2008年21期

9 彭志平;張慧;;一種改進(jìn)的粒子群算法在協(xié)商優(yōu)化中的應(yīng)用[J];計(jì)算機(jī)工程;2008年10期

10 沈佳寧;須文波;孫俊;;基于量子粒子群算法的收斂性研究[J];微計(jì)算機(jī)信息;2009年06期

相關(guān)會(huì)議論文 前10條

1 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專(zhuān)委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

2 馬向陽(yáng);陳琦;;以粒子群算法求解買(mǎi)賣(mài)雙方存貨主從對(duì)策[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

3 黃勝;任萬(wàn)龍;王超;何新;;多目標(biāo)粒子群算法在翼型優(yōu)化的應(yīng)用[A];第二十五屆全國(guó)水動(dòng)力學(xué)研討會(huì)暨第十二屆全國(guó)水動(dòng)力學(xué)學(xué)術(shù)會(huì)議文集（上冊(cè)）[C];2013年

4 李洪全;王京;;基于粒子群算法的自適應(yīng)PID控制[A];冶金企業(yè)自動(dòng)化、信息化與創(chuàng)新——全國(guó)冶金自動(dòng)化信息網(wǎng)建網(wǎng)30周年論文集[C];2007年

5 李曙光;;粒子群算法在高速公路多路徑費(fèi)用拆分方法研究[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

6 趙亮;;遺傳增強(qiáng)混沌粒子群算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

7 楊誠(chéng);楊傳啟;;基于粒子群算法的PID參數(shù)優(yōu)化[A];第七屆工業(yè)儀表與自動(dòng)化學(xué)術(shù)會(huì)議論文集[C];2006年

8 劉文許;林禮清;溫步瀛;;電力市場(chǎng)下基于改進(jìn)粒子群算法的AGC機(jī)組選擇[A];中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專(zhuān)業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

9 劉衍民;馬衛(wèi)民;;基于高斯白噪聲擾動(dòng)的混合粒子群算法及其應(yīng)用[A];第十屆中國(guó)不確定系統(tǒng)年會(huì)、第十四屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2012年

10 王征;劉大寶;王家林;王永驥;;基于離散粒子群算法的船舶電力系統(tǒng)重構(gòu)研究[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 李慶偉;粒子群算法及電廠若干問(wèn)題的研究[D];東南大學(xué);2016年

2 尹浩;求解Web服務(wù)選取問(wèn)題的粒子群算法研究[D];東北大學(xué);2014年

3 邵晴;粒子群算法研究及其工程應(yīng)用案例[D];吉林大學(xué);2017年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動(dòng)態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車(chē)間調(diào)度問(wèn)題研究[D];浙江工業(yè)大學(xué);2014年

7 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

8 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

9 劉衍民;粒子群算法的研究及應(yīng)用[D];山東師范大學(xué);2011年

10 王雪飛;粒子群算法的動(dòng)態(tài)拓樸結(jié)構(gòu)研究[D];西南大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

2 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

3 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

4 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長(zhǎng)安大學(xué);2015年

5 楊偉;基于粒子群算法的氧樂(lè)果合成過(guò)程建模研究[D];鄭州大學(xué);2015年

6 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

7 戴玉倩;基于混合動(dòng)態(tài)粒子群算法的軟件測(cè)試數(shù)據(jù)自動(dòng)生成研究[D];江西理工大學(xué);2015年

8 仲偉彪;改進(jìn)粒子群算法的研究及其云計(jì)算資源調(diào)度的應(yīng)用[D];江西理工大學(xué);2015年

9 艾東;基于粒子群算法的雙重目標(biāo)設(shè)施布置優(yōu)化[D];西安建筑科技大學(xué);2015年

10 劉召軍;解優(yōu)化問(wèn)題的混合粒子群算法[D];陜西師范大學(xué);2015年

，

本文編號(hào)：1404409