本文選題：交互式遺傳算法　切入點：不確定性　出處：《鄭州大學學報(工學版)》2017年06期 　論文類型：期刊論文

【摘要】：根據(jù)用戶實施的人機交互行為而隱式地獲取用戶偏好的交互式進化優(yōu)化算法,可有效減輕用戶疲勞,提高個性化搜索或推薦的效率.但是,已有研究沒有考慮用戶交互行為和偏好的不確定性,影響了對用戶偏好的擬合精度以及基于該偏好表達的進化搜索.針對該問題,提出基于可能性條件偏好網(wǎng)絡的交互式遺傳算法,以刻畫用戶交互行為和偏好的不確定性,并提高算法的搜索性能.首先,采用交互時間表示交互行為,考慮交互行為的不確定性,給出交互時間可信度的定義,并基于該定義給出了用戶不確定偏好的表達函數(shù);其次,利用可信交互時間和偏好函數(shù),定義了用戶對評價對象的偏好權(quán)重,并利用該權(quán)重,設計(更新)可以定量表示用戶不確定偏好的可能性條件偏好網(wǎng)絡,以更好地擬合用戶偏好;然后,結(jié)合評價不確定性和可能性條件偏好網(wǎng)絡,提出了改進的個體適應值估計策略,以更好地引導搜索;最后,將所提算法應用于圖書個性化搜索中,結(jié)果表明了算法搜索的可靠性和高效性.
[Abstract]:The interactive evolutionary optimization algorithm, which acquires user preferences implicitly according to the user's human-computer interaction behavior, can effectively reduce user fatigue and improve the efficiency of personalized search or recommendation. Previous studies have not considered the uncertainty of user interaction behavior and preference, which has affected the fitting accuracy of user preference and the evolutionary search based on the preference expression. An interactive genetic algorithm based on possibility-conditional preference network is proposed to describe the uncertainty of user's interaction behavior and preference, and to improve the search performance of the algorithm. Firstly, interactive time is used to represent the interaction behavior. Considering the uncertainty of interaction behavior, the definition of interactive time credibility is given, and the expression function of user's uncertain preference is given based on the definition. Secondly, the trusted interaction time and preference function are used. This paper defines the preference weight of user to the object of evaluation, and designs (updates) a preference network which can quantitatively represent the possibility condition of user's uncertain preference, so as to better fit the user's preference. Combined with the preference network of evaluation uncertainty and possibility condition, an improved individual fitness estimation strategy is proposed to guide the search better. Finally, the proposed algorithm is applied to personalized book search. The results show that the algorithm is reliable and efficient.
【作者單位】： 中國礦業(yè)大學信息與控制工程學院;
【基金】：國家自然科學基金資助項目(61473298)
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 王興成,鄭紫微,賈欣樂;模糊遺傳算法及其應用研究[J];計算技術(shù)與自動化;2000年02期

2 吳瑞鏞,徐大紋;具有年齡結(jié)構(gòu)的遺傳算法[J];桂林電子工業(yè)學院學報;2001年04期

3 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設計[J];液壓氣動與密封;2001年02期

4 楊宜康,李雪,彭勤科,黃永宣;具有年齡結(jié)構(gòu)的遺傳算法[J];計算機工程與應用;2002年11期

5 谷峰,吳勇,唐俊;遺傳算法的改進[J];微機發(fā)展;2003年06期

6 ;遺傳算法[J];計算機教育;2004年10期

7 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學學報(自然科學版);2004年05期

8 劉坤,劉偉波,吳忠強;基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學院學報;2005年04期

9 張英俐,劉弘 ,馬金剛;遺傳算法作曲系統(tǒng)研究[J];信息技術(shù)與信息化;2005年05期

10 丁發(fā)智;;淺談遺傳算法[J];烏魯木齊成人教育學院學報;2005年04期

相關(guān)會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應用[A];2009系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2009年

2 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設計算機應用創(chuàng)新論壇論文集[C];2009年

3 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學術(shù)研討會論文集[C];2006年

4 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應用學術(shù)交流會論文集[C];2000年

5 張忠華;楊淑瑩;;基于遺傳算法的聚類設計[A];全國第二屆信號處理與應用學術(shù)會議專刊[C];2008年

6 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學術(shù)會議論文集（下冊）[C];1996年

7 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學術(shù)會議論文集（下冊）[C];1996年

8 彭宏;歐慶鈴;歐永斌;;具有退火選擇的遺傳算法的收斂速度估計[A];1998年中國智能自動化學術(shù)會議論文集（下冊）[C];1998年

9 林家恒;李國鋒;田國會;劉長有;;遺傳算法在旋轉(zhuǎn)貨架揀選優(yōu)化中的應用[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

10 馮春;謝泗淮;張怡;;解兩層決策問題的一個遺傳算法[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

相關(guān)博士學位論文 前10條

1 李險峰;基于改進遺傳算法的汽車裝配生產(chǎn)線平衡問題研究[D];北京科技大學;2017年

2 孫秋紅;基于遺傳算法的水質(zhì)數(shù)據(jù)挖掘與應用研究[D];燕山大學;2016年

3 周輝仁;遞階遺傳算法理論及其應用研究[D];天津大學;2008年

4 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應用[D];中國礦業(yè)大學;2009年

5 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應用研究[D];西安電子科技大學;1998年

6 馬國田;遺傳算法及其在電磁工程中的應用[D];西安電子科技大學;1998年

7 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學;2009年

8 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學;2007年

9 石玉;提高實數(shù)遺傳算法數(shù)值優(yōu)化效率的研究[D];南京航空航天大學;2002年

10 明亮;遺傳算法的模式理論及收斂理論[D];西安電子科技大學;2006年

相關(guān)碩士學位論文 前10條

1 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學;2013年

2 李志添;模糊遺傳算法與資源優(yōu)化配置的預測控制[D];華南理工大學;2015年

3 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學;2015年

4 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學;2015年

5 吳南;數(shù)值逼近遺傳算法的研究應用[D];華南理工大學;2015年

6 于光帥;一類優(yōu)化算法的改進研究與應用[D];渤海大學;2015年

7 吳欣欣;改進GA-TS算法優(yōu)化的BP神經(jīng)網(wǎng)絡入侵檢測研究[D];湖南工業(yè)大學;2015年

8 宋光兵;基于遺傳算法的C煙廠AGV路徑規(guī)劃研究[D];昆明理工大學;2015年

9 唐澤;基于FPGA的遺傳算法在交通控制中的應用[D];西南交通大學;2015年

10 王金玉;打孔機效能優(yōu)化模型[D];華中師范大學;2015年

，

本文編號：1559980