智能规划中面向简单偏好的高效求解方法

智能规划(AI planning)简称规划,是人工智能领域的一个重要分支,在各领域均有广泛应用,如工厂车间作业调度、物资运输调度、机器人动作规划以及航空航天任务规划等.传统智能规划要求规划解(动作序列)必须最终实现整个目标集合,这种目标一般被称为硬目标(hard goal).然而,许多实际问题中,求解的重点并不只是尽快实现目标以及尽量减少动作序列产生的代价,还需考虑其他因素,如资源消耗或时间约束等.为此,简单偏好(也称软目标soft goal)的概念应运而生.与硬目标相反,简单偏好是可以违背的.本质上,简单偏好用于衡量规划解质量的优劣,而不会影响规划解是否存在.现有关于简单偏好的研究进展缓慢,在规划解质量方面不尽如人意即求得的规划解与最优解的差距较大.提出了一种求解简单偏好的高效规划方法,将简单偏好表达为经典规划(classical planning)模型的一部分,并利用SMT (satisfiability modulo theories)求解器识别多个简单偏好之间的各种关系,从而约简简单偏好集,减轻规划器的求解负担.该方法的主要优势在于:一方面,提前对简单偏好集进行裁剪,在一定程度...     

基于前景理论的农村电子商务发展水平多维偏好决策方法

现实中存在多维偏好和需要考虑专家心理行为的农村电子商务发展水平决策问题.针对这类农村电子商务发展水平决策问题,提出一种基于前景理论的多维偏好决策方法.首先,描述农村电子商务发展水平评价问题,进而计算各个决策方案的综合前景值;然后,定义基于前景理论的客观排序与专家偏好的一致性程度和不一致程度;最后,以决策者的期望水平和容忍度为基础,建立模糊多维偏好优化模型,进而计算各个决策方案的综合前景值,据此确定方案优劣排序和最优方案.通过分析三明市各个县市农村电子商务的发展水平表明了所提出方法有效合理.     

基于事件的社交网络上的双边偏好稳态规划

在基于事件的社交网络中,一个经典的问题是为用户规划其感兴趣的事件.现有的工作仅仅考虑用户的喜好,仅从用户的角度出发,为其安排尽可能感兴趣的事件来参加.然而,从事件主办者的角度出发,他们亦希望为事件安排的用户尽可能有更大的影响力,用户的可靠性尽可能高,以保障事件能够顺利开展,并取得预期的效果.本质上来说,基于事件的社交网络上的规划问题是一个双向选择的问题,而现有的所有工作均未从用户和事件的双边偏好考虑问题.因此,提出一种双边偏好稳态规划问题来解决这种双向选择问题.该问题首次提出,因此现有工作中未有相关算法可供解决该问题.对比之前只考虑用户偏好的规划,在考虑用户和事件双边偏好时,面临着问题更复杂、约束条件更多的困难.因此,提出两种基础算法和一种改进算法来高效、高质量地解决这个问题,并用大量的实验验证所提出算法的高效性和有效性.     

多方案DEMATEL的偏好交互与融合方法研究

为有效应对多方案DEMATEL在实际决策情景中涌现的个体选择偏好、流程导向偏好与交互学习偏好三者交互与融合问题,针对现有单方案方法在构造直接判断矩阵过程中忽视专家整体偏好一致性的不足,解析决策过程中三类偏好交互影响的系统复杂性,创新性地从偏好表征有效性、决策过程可控性及专家交互有序效性三个维度形成偏好交互与融合策略的整体思考。相对现有研究的贡献在于：关注多方案情景的多评价对象、多决策目标和多要素集合特征,依据整体决策信息判定策略和成对要素比较信息序列转换策略,创造性提出初始判断信息的整体判断偏好一致性检验方法和多轮次非一致性决策信息调整方案。针对某一众创空间内三个创业团队开展关键影响要素识别,实例验证结果表明上述所构建的方法和策略有效可行,能够形成更具参考价值的多方案对比分析结论,对响应复杂决策情景中的多主体、多层次、多偏好决策困境具有一定参考价值。     

考虑主体心理行为的三边单向非循环稳定匹配

针对单向非循环偏好下的三边匹配问题,考虑主体的心理行为特征,提出一种三边单向非循环偏好序下的稳定匹配算法.首先,基于三边主体间单向非循环的偏好结构关系,给出三边单向非循环匹配及其稳定性的定义,构建基于最大基数和稳定匹配的数学模型;然后,考虑主体不完全接受性和有限妥协性的心理特征,提出有限妥协条件下的搜索优选稳定算法,并分别对算法的时间复杂度和输出方案的稳定性进行计算和证明;最后,通过一个实际应用算例验证所提出算法的可行性和有效性.     

一种改进的协同过滤推荐算法

传统的协同过滤算法在寻找最近邻居集合时没有考虑时间因素的影响,仅从用户或者项目单方面出发计算用户或者项目的相似性以产生推荐结果,也忽略了用户特征对推荐的影响.针对上述问题,引入时间遗忘函数、黏度函数、用户特征向量,对协同过滤算法寻找用户的最近邻居集合过程进行了改进,体现了时间效应、用户偏好程度和用户特征.采用MovieLens数据集进行了一系列对比实验,结果表明,改进后的算法能够明显提高推荐的准确度.     

自适应偏好半径划分区域的多目标进化方法

偏好多目标进化算法是一类帮助决策者找到感兴趣的Pareto最优解的算法.目前,在以参考点位置作为偏好信息载体的偏好多目标进化算法中,不合适的参考点位置往往会严重影响算法的收敛性能,偏好区域的大小难以控制,在高维问题上效果较差.针对以上问题,通过计算基于种群的自适应偏好半径,利用自适应偏好半径构造一种新的偏好关系模型,通过对偏好区域进行划分,提出基于偏好区域划分的偏好多目标进化算法.将所提算法与4种常用的以参考点为偏好信息载体的多目标进化算法g-NSGA-II、r-NSGA-II、角度偏好算法、MOEA/D-PRE进行对比实验,结果表明,所提算法具有较好的收敛性能和分布性能,决策者可以控制偏好区域大小,在高维问题上也具有较好的收敛效果.     

基于时间条件提取序列的数据流偏好查询

传统关于偏好推理、偏好查询的研究主要集中在对关系元组表示的单个对象的偏好上,而将时间条件偏好查询的方法扩展到数据流的提取序列中是一个挑战,遇到的问题主要包括对数据流中序列的提取、快速处理以得到占优序列和占优对象等。针对偏好数据流,首先,扩展了连续查询语言（CQL）,提出专门为有效处理数据流上的时间条件偏好的查询语言StreamSeq,它允许对数据流中提取的序列进行时间条件偏好规范和推理;然后,设计了从数据流中按时间索引提取对象序列的算法和执行序列间占优对比的算法,根据输入的数据流返回满足偏好条件的占优序列;最后,使用两组数据集进行实验验证。在合成数据集上,当属性数、序列数、时间范围和时间滑动间隔为10、8、20 s、1 s时,提取序列算法和CQL等效算法的运行时间加速比为13.33;在真实数据集上,当时间范围和时间滑动间隔为40 s、1 s时,占优对比算法和mintopK、partition、incpartition的运行时间加速比为10.77、6.46、5.69。实验结果表明,与其他偏好查询算法相比,所提算法所需的运行时间少,得到结果的效率更高。     

数据库安全功能测试自动化框架设计与实现

传统的top-k查询为顾客返回符合其偏好的产品集合,reverse top-k查询则返回将给定产品作为top-k结果的偏好集合。reverse top-k查询由于能帮助生产者评估产品对顾客的影响,因此在商业分析中具有重要价值。现有的reverse top-k查询假设数据是精确的,许多现实应用中,数据的不确定性广泛存在。将reverse top-k查询扩展到不确定数据上,并给出了基于物化视图的高效查询算法GMV。实验结果表明,GMV算法能够减少需要计算的偏好数量,具有较高的计算效率。     

偏好关系的表示和收缩

针对偏好经常会改变的问题,提出偏好的舍弃操作——偏好收缩,而对于偏好收缩来说,偏好收缩的最小化和保持严格偏序性是很重要的。给出可用于表示有限和无限偏好关系的框架,并针对偏好的收缩问题提出算法,计算偏好关系对基本收缩的全收缩,使收缩后的偏好满足严格偏序,对全收缩进行最小化,得到修正后的偏好全收缩。仿真结果表明,修正后的全收缩小于修正前的全收缩。     

多偏好逻辑GMPL

针对缺乏多类型偏好共存的偏好逻辑系统的现状,MPL(logic of many kinds of preference)被构造为一种能够表示和推理四类型偏好的偏好逻辑,但是MPL的语义基于全前序偏好结构,因而不能表示不完全偏好.为此,提出了偏好逻辑GMPL(a generalized edition of MPL).此外,通过常见逻辑偏好的GMPL重写表明GMPL较强的表达能力和实际应用前景.并提出一种将GMPL的SAT问题归结为命题逻辑的SAT问题的方法.     

一种基于多类型偏好的偏好逻辑

针对目前缺乏多类型偏好共存的偏好逻辑系统的现状,提出并构造了一个能够描述和推理多种类型偏好的逻辑系统MPL(logic of many kinds of preference).在进一步提出MPL语言L_MPL基于最粗糙/最细致描述原则的非单调语义基础上,通过分级知识库这种常用偏好表示方法的L_MPL重写,初步考察了L_MPL表示能力,最后进行总结并提出需要进一步研究解决的问题.     

A review of: “THE PARADIGM OF SELF-ORGANIZATION:” Current Trends in Self-Organization,edited by G. J. Dalenoort. Gordon and Breach,New York, 1989. xi + 332 pages

Preference Relations are a popular and powerful tool used by decision makers to provide their preference information in the process of decision making. Over the last decades, various types of preference relations have been developed, but they are scattered through the literature. The purpose of this paper is to present a comprehensive survey of preference relations. We also briefly discuss their properties and introduce some new preference relations. Finally, we put forward the directions of future research.     

基于最大团的条件偏好挖掘

针对在数据库的个性化查询中条件约束（或上下文约束）没有被充分考虑的问题,首先提出了条件约束模型i⁺≻i^-|X,它表示在上下文X的约束下,相对于i^-,用户更偏好i⁺。在此模型的基础上,采用最大团（MaxClique）关联规则算法挖掘获得用户偏好;随后又提出了条件偏好挖掘（CPM）算法,该算法结合上下文用于挖掘偏好规则,从而得出用户的偏好。实验结果表明,基于CPM算法的偏好挖掘模型具有较强的偏好表达能力,将CPM算法与基于Apriori的算法以及CONTENUM算法进行了实验对比,实验的主要参数为最小支持度、最小可信度、数据规模等,实验结果进一步表明所提出的CPM算法可明显提高用户偏好规则的产生效率。     

求解偏好多目标优化的克隆选择算法

目标维数较高的多目标优化问题的难题在于非支配解急剧增加,经典算法由于缺乏足够的选择压力导致性能急剧下降.提出了基于偏好等级的免疫记忆克隆选择优化算法,用于解决目标维数较高的多目标优化问题.利用决策者提供的偏好信息来为抗体分配偏好等级,根据该值比例克隆抗体,增大抗体的选择压力,加快收敛速率.根据偏好信息来缩减Pareto前沿,并用有限的偏好解估计该前沿.同时,建立了免疫记忆种群来保留较好的非支配抗体,采用ε支配机制来保持记忆抗体种群的多样性.实验结果表明,对于2目标的偏好多目标问题以及高达8目标的DTLZ2和DTLZ3问题,该算法取得了一定的实验效果.     

CP-nets的可满足性及一致性研究

CP-nets是一种简单而又直观的图形化偏好表示工具,成为近几年人工智能的一个研究热点,然而对于CP-nets的可满足性和一致性等相关性质的研究还很欠缺.既没有给出严格的定义,也没有探讨不同性质之间的联系,没有一个求可满足性序列的通用算法.从研究CP-nets的可满足性和一致性的关系着手,得出了任意结构二值CP-nets的可满足性判定算法及可满足性序列生成算法.首先通过构造CP-nets导出图及其性质的研究,得出CP-nets的可满足性及一致性的相关定理.再把不同性质结合起来分析,给出CP-nets可满足性等价于一致性的结论,从而利用拓扑排序的思想实现了任意结构二值CP-nets的可满足性序列的生成.强化和扩充了Boutilier所提出的一些概念,深化了CP-nets的基础理论研究.     

基于偏好不一致熵的有序决策

针对多规则有序决策系统中的偏好决策问题,根据有序决策的偏好不一致特性,提出了一种基于偏好不一致熵的偏好决策方法。首先,定义了样本的偏好不一致熵（PIEO）,用来度量特定样本相对于样本集的偏好不一致程度;然后,根据偏好决策中不同属性对决策的重要性不同的特点,提出了一种加权的样本偏好不一致熵,并结合属性偏好不一致熵在度量属性重要性方面的能力,给出了一种基于属性偏好不一致熵的权值的计算方法;最后,提出了一种基于样本偏好不一致熵的偏好决策算法。采用Pasture Production和Squalsh两个数据集进行仿真实验,基于全局偏好不一致熵分类后,各属性的偏好不一致熵普遍比基于向上和向下偏好不一致熵分类后的熵值小,而且更接近原始决策的偏好不一致熵,这说明基于全局偏好不一致熵的分类比其他两种情况的分类效果好。分类偏离度最小低至0.1282,这说明分类的结果比较接近原始决策。     

算符优先分析法推广的补充算法

针对推广算符优先分析法的过程中遇到的几个问题,提出自己的相应的解决算法,并以此为理论基础改造了一些原不满足算符优先分析法条件的文法,使算符优先分析法推广到非算术表达式的领域。