【摘要】：隨著網絡數(shù)據(jù)的爆發(fā)式增長和用戶需求的多元化發(fā)展,現(xiàn)有元搜索排序聚合方法在精度和性能上面臨著巨大挑戰(zhàn).以滿足用戶的多重需求和個性化偏好為目標,提出了一種新的元搜索排序聚合算法.通過重新定義多目標粒子群優(yōu)化算法(multi-objective particle swarm optimization,MOPSO)中粒子的屬性,調整速度變化因子,改進種群初始化和演化機制,設計新的存檔與更新策略以及引導微粒選擇策略,提出了一個基于支配分解的離散多目標優(yōu)化(D~3MOPSO)算法,使其能根據(jù)用戶的質量需求偏好在大規(guī)模離散解空間中快速準確地找出最優(yōu)解集.在多個數(shù)據(jù)集上的實驗結果表明:當數(shù)據(jù)規(guī)模較小時,D~3MOPSO算法的精度和性能接近機器學習排序聚合方法;在大規(guī)模數(shù)據(jù)環(huán)境下,其精度和性能優(yōu)于機器學習方法以及同類多目標優(yōu)化方法.
[Abstract]:With the explosive growth of network data and the diversified development of user demand, the existing meta-search sort aggregation methods are facing great challenges in accuracy and performance. In order to meet the multiple needs and personalized preferences of users, a new meta-search sort aggregation algorithm is proposed. By redefining the properties of particles in multiobjective particle swarm optimization (multi-objective particle swarm optimization,MOPSO), adjusting the speed change factor, improving the population initialization and evolution mechanism, designing a new archiving and updating strategy and guiding particle selection strategy, a discrete multiobjective optimization (D~3MOPSO) algorithm based on dominant decomposition is proposed. So that it can find the optimal solution set quickly and accurately in the large-scale discrete solution space according to the user's quality demand preference. The experimental results on multiple data sets show that the accuracy and performance of D~3MOPSO algorithm is close to that of machine learning sort aggregation method when the data scale is small, and its accuracy and performance are better than that of machine learning method and similar multi-objective optimization method in large-scale data environment.
【作者單位】： 武漢輕工大學數(shù)學與計算機學院;武漢大學計算機學院;
【基金】：國家自然科學基金項目(61502350) 湖北省教育廳科研計劃項目(Q-20161702)~~
【分類號】：TP18

【參考文獻】

相關期刊論文 前4條

1 余偉;李石君;楊莎;胡亞慧;劉晶;丁永剛;王騫;;Web大數(shù)據(jù)環(huán)境下的不一致跨源數(shù)據(jù)發(fā)現(xiàn)[J];計算機研究與發(fā)展;2015年02期

2 馬超;鄧超;熊堯;吳軍;;一種基于混合遺傳和粒子群的智能優(yōu)化算法[J];計算機研究與發(fā)展;2013年11期

3 張憲超;徐雯;高亮;梁文新;;一種結合文本和鏈接分析的局部Web社區(qū)識別技術[J];計算機研究與發(fā)展;2012年11期

4 湯可宗;柳炳祥;楊靜宇;孫廷凱;;雙中心粒子群優(yōu)化算法[J];計算機研究與發(fā)展;2012年05期

【共引文獻】

相關期刊論文 前10條

1 湯小月;余偉;李石君;;D~3MOPSO:一種基于用戶偏好的元搜索排序聚合演化方法[J];計算機研究與發(fā)展;2017年08期

2 孫虹;;大數(shù)據(jù)背景下商務管理發(fā)展現(xiàn)狀和趨勢分析[J];科技資訊;2017年18期

3 孫德才;王曉霞;;一種基于MapReduce的大數(shù)據(jù)集相似自連接算法[J];計算機科學;2017年05期

4 何瓊;;基于Web社區(qū)發(fā)現(xiàn)算法的主題爬蟲設計研究[J];經營管理者;2017年14期

5 呂立國;季偉東;;結合質心思想和柯西變異策略的粒子群優(yōu)化算法[J];計算機應用;2017年05期

6 朱鷹屏;韓新瑩;劉世立;王軼群;;基于改進雙中心粒子群算法的電動公交車運營數(shù)量優(yōu)化策略研究[J];電力系統(tǒng)保護與控制;2017年08期

7 陳振國;田立勤;林闖;;基于感知源信任評價的物聯(lián)網數(shù)據(jù)可靠保障模型[J];中國科學技術大學學報;2017年04期

8 姜鳳利;張宇;王慧;;基于引導策略自適應粒子群算法的農村電網無功優(yōu)化[J];沈陽農業(yè)大學學報;2017年01期

9 李剛;李天琦;程曉榮;王紅玉;;大數(shù)據(jù)可信性度量方法[J];計算機工程與設計;2017年03期

10 王閃;譚良;;Web大數(shù)據(jù)環(huán)境下的相似重復數(shù)據(jù)清理[J];計算機工程與設計;2017年03期

【二級參考文獻】

相關期刊論文 前10條

1 程學旗;靳小龍;王元卓;郭嘉豐;張鐵贏;李國杰;;大數(shù)據(jù)系統(tǒng)和分析技術綜述[J];軟件學報;2014年09期

2 慈祥;馬友忠;孟小峰;;一種云環(huán)境下的大數(shù)據(jù)Top-K查詢方法[J];軟件學報;2014年04期

3 黃冬梅;杜艷玲;賀琪;;混合云存儲中海洋大數(shù)據(jù)遷移算法的研究[J];計算機研究與發(fā)展;2014年01期

4 孟小峰;李勇;祝建華;;社會計算:大數(shù)據(jù)時代的機遇與挑戰(zhàn)[J];計算機研究與發(fā)展;2013年12期

5 楊靜;李文平;張健沛;;大數(shù)據(jù)典型相關分析的云模型方法[J];通信學報;2013年10期

6 張奧千;宋韶旭;王建民;;基于數(shù)據(jù)質量規(guī)則的缺失結果解釋約減[J];計算機研究與發(fā)展;2013年S1期

7 金連;王宏志;黃沈濱;高宏;;基于Map-Reduce的大數(shù)據(jù)缺失值填充算法[J];計算機研究與發(fā)展;2013年S1期

8 宋杰;李甜甜;朱志良;鮑玉斌;于戈;;云數(shù)據(jù)管理系統(tǒng)能耗基準測試與分析[J];計算機學報;2013年07期

9 王元卓;靳小龍;程學旗;;網絡大數(shù)據(jù):現(xiàn)狀與展望[J];計算機學報;2013年06期

10 李建中;劉顯敏;;大數(shù)據(jù)的一個重要方面:數(shù)據(jù)可用性[J];計算機研究與發(fā)展;2013年06期

【相似文獻】

相關期刊論文 前10條

1 劉淳安;王宇平;;基于新模型的動態(tài)多目標優(yōu)化進化算法[J];計算機研究與發(fā)展;2008年04期

2 徐鶴鳴;王東;;多目標優(yōu)化問題的求解框架[J];微計算機信息;2009年36期

3 郭曉東;王麗芳;;求解多目標優(yōu)化問題的分布估計算法[J];太原科技大學學報;2010年01期

4 雍龍泉;;求解一類不可微多目標優(yōu)化問題的社會認知算法[J];計算機應用研究;2010年11期

5 郭思涵;龔小勝;;正交設計的E占優(yōu)策略求解高維多目標優(yōu)化問題研究[J];計算機科學;2012年02期

6 蓋玉權;何昱;張宇燕;吳憲彬;萬海同;;復方藥物劑量配比多目標優(yōu)化的方法學研究[J];微型機與應用;2012年07期

7 王杰文;;約束多目標優(yōu)化問題中約束處理方法綜述[J];現(xiàn)代計算機(專業(yè)版);2012年36期

8 賈利民,張錫第;智能多目標優(yōu)化控制及其應用[J];信息與控制;1992年01期

9 周學建;師清翔;朱永寧;;模糊相似優(yōu)先比在清選系統(tǒng)多目標優(yōu)化中的應用[J];洛陽工學院學報;1993年02期

10 吳清烈,江孝感,徐南榮;大規(guī)模含整變量多目標優(yōu)化的一種新方法[J];信息與控制;1998年01期

相關會議論文 前10條

1 張翔;;一種無歧義性的多目標優(yōu)化數(shù)值解法[A];中國農業(yè)機械學會成立40周年慶典暨2003年學術年會論文集[C];2003年

2 羅亞中;;航天器軌跡多目標優(yōu)化研究評述[A];The 5th 全國動力學與控制青年學者研討會論文摘要集[C];2011年

3 耿玉磊;張翔;;多目標優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學術年會——提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學術年會論文集[C];2004年

4 耿玉磊;張翔;;多目標優(yōu)化的求解方法與發(fā)展[A];福建省科協(xié)第四屆學術年會提升福建制造業(yè)競爭力的戰(zhàn)略思考專題學術年會論文集[C];2004年

5 程鵬;唐雁;鄒顯春;;約束多目標優(yōu)化試驗函數(shù)產生器[A];2008年計算機應用技術交流會論文集[C];2008年

6 賈小平;韓方煜;;多目標優(yōu)化及其在過程工程中的應用[A];過程系統(tǒng)工程2001年會論文集[C];2001年

7 邢志祥;;滅火救援力量調集的多目標優(yōu)化[A];第一屆全國安全科學理論研討會論文集[C];2007年

8 孫力;樊希山;姚平經;;化工過程多目標優(yōu)化適宜解的模糊確定[A];第二屆全國傳遞過程學術研討會論文集[C];2003年

9 李穎t;昝建明;周建文;;多目標形貌優(yōu)化方法研究[A];結構及多學科優(yōu)化工程應用與理論研討會’2009（CSMO-2009）論文集[C];2009年

10 許碧霞;李兆江;;基于循環(huán)經濟的城市污水多目標優(yōu)化配置分析[A];中國地理學會2007年學術年會論文摘要集[C];2007年

相關博士學位論文 前10條

1 王晗丁;復雜問題的多目標進化優(yōu)化算法研究[D];西安電子科技大學;2015年

2 董寧;求解約束優(yōu)化和多目標優(yōu)化問題的進化算法研究[D];西安電子科技大學;2015年

3 王超;裝載與車輛路徑聯(lián)合多目標優(yōu)化問題研究[D];大連理工大學;2016年

4 葉承晉;計算智能在電力系統(tǒng)多目標優(yōu)化中的應用研究[D];浙江大學;2015年

5 過曉芳;超多目標優(yōu)化問題的幾種進化算法研究[D];西安電子科技大學;2015年

6 左益;基于全局優(yōu)化和局部學習的進化多目標優(yōu)化算法[D];西安電子科技大學;2016年

7 盧芳;多目標優(yōu)化及隨機變分不等式問題的若干研究[D];重慶大學;2016年

8 徐志丹;基于生物地理算法的多目標優(yōu)化理論與應用研究[D];哈爾濱工程大學;2013年

9 蔣慶;地下水時空變化及監(jiān)測網多目標優(yōu)化研究[D];華中科技大學;2008年

10 陳瓊;演化多目標優(yōu)化多樣性保持策略及其應用研究[D];武漢理工大學;2010年

相關碩士學位論文 前10條

1 何素素;基于改進的粒子群算法的鉆進參數(shù)多目標優(yōu)化研究[D];西安石油大學;2015年

2 黃怡;基于藥效綜合評價的中藥組分配伍優(yōu)化方法研究[D];浙江大學;2015年

3 韓偉;基于混合智能算法在造紙廢水厭氧消化處理過程多目標優(yōu)化中的研究[D];華南理工大學;2015年

4 彭清風;基于魯棒性的船體中橫剖面多目標優(yōu)化[D];上海交通大學;2015年

5 崔華;面向個性化需求的服務組合優(yōu)化方法[D];哈爾濱工業(yè)大學;2015年

6 章姍捷;基于遺傳算法的電力工程多目標優(yōu)化研究[D];華北電力大學;2015年

7 高敏;基于協(xié)同論的風電建設項目多目標優(yōu)化模型研究[D];華北電力大學;2015年

8 劉培根;基于多目標優(yōu)化和壓縮感知的航拍目標檢測[D];電子科技大學;2015年

9 楊凱;基于多目標優(yōu)化的貴州工業(yè)結構調整研究[D];貴州師范大學;2015年

10 陳振興;基于空間擁擠控制策略的進化多目標優(yōu)化[D];福建師范大學;2015年

，

本文編號：2514775