带有目标偏好的最大成功联盟生成算法*

资源结盟博弈(CRGs)研究均假设每个agent可以响应所有目标,即使目标不在其感兴趣的子目标集内.针对此问题,文中提出带有目标偏好的CRGs模型,即每个agent只愿意把自己的有限资源贡献给自己的兴趣集中的目标.此外,设计基于二维二进制编码的最大成功联盟生成算法,并提出编码修正启发式算法解决多个目标竞争同一agent资源可能引起的的资源冲突.最后,通过与已有相关算法的对比实验验证文中算法的有效性.     

异质性偏好视角下的PPP 项目控制权分配研究

以现实情况为基础,将PPP 项目的私营部门区分为专业公司和纯投资者,并依据现有研究将控制权划分为28 项具体权利。针对各参与者对同一控制权收益喜好程度的不同,引入控制权偏好的概念。据此构建PPP 项目控制权最优随机合作博弈模型,实现控制权依据参与者控制权偏好在双方之间进行转移,并确定控制权最优分配比例,最终实现合作效率最大化。     

一种面向患者门诊预约满意的决策方法

针对患者给出关于医生和就诊时段的偏好的门诊预约决策问题,给出了一种门诊预约决策方法。首先依据每个患者给出的预约偏好构建其针对医生的偏好向量和针对就诊时段的偏好矩阵,然后分别计算出患者针对医生和就诊时段的满意度,进而将两者集结得到患者在每个就诊时段内接受各医生服务的满意度,进一步地,以所有患者满意度之和最大为目标,构建了门诊预约决策的优化模型,通过模型求解得到最终的预约决策结果。最后,通过一个算例证明了所提出方法的实用性和有效性。     

模糊偏好关系一致性改进算法及其决策应用

模糊偏好关系是处理决策问题的一种有效工具。针对模糊偏好关系,研究了加性一致性模糊偏好关系的若干判定条件,构造了满足加性一致性的特征模糊偏好关系,并提出一致性指数、满意加性一致性等概念。在此基础上,构建了不满足加性一致性模糊偏好关系的改进算法,论证了算法的收敛性,该算法使得改进后的模糊偏好关系具有满意一致性条件,进而使得决策者获得合理可靠的决策结果。最后建立了基于模糊偏好关系加性一致性的决策模型。实例分析说明提出的模糊偏好关系决策模型是可行和有效的。     

基于模糊最优化模型的供应商选择方法研究

供应商选择是供应链管理中的一个重要课题,其本质是一个决策问题。针对供应商的选择问题,首先基于最优化模型提出一种乘性一致模糊偏好关系的构建方法,并引入新的一致性指数用以衡量模糊偏好关系的一致性水平。在此基础上,建立了基于乘性一致性调整算法的供应商权重确定方法,该方法不仅保证调整后的模糊偏好关系满足满意一致性条件,而且使得决策者获得合理可靠的供应商权重向量。最后将提出的选择方法运用于经销商选择综合条件最优的供应商问题中。     

从偏好数据库中挖掘Ceteris Paribus偏好

针对传统的推荐系统需要用户给出明确的偏好矩阵（U-I矩阵）,进而使用自动化技术来获取用户偏好的问题,提出了一种从偏好数据库中挖掘出Agent的偏好信息的方法。从知识发现的角度,通过Ceteris Paribus规则（CP规则）,提出了k阶偏好挖掘算法（kPreM）。在算法中,利用k阶CP规则对偏好数据库中的信息进行剪枝处理,减少了数据库扫描次数,从而提高了偏好信息的挖掘效率。随后以一种通用的图模型——条件偏好网（CP-nets）为工具,揭示了用户的偏好可近似表达为CP-nets的定性条件偏好网。实验结果表明,用户的偏好都是带有条件的偏好。另外,通过挖掘得出的CP-nets偏好模型,为设计个性化的推荐系统提供了理论基础。     

融合时间衰减与偏好波动的协同偏好获取方法

针对现有的推荐系统多采用近邻用户的偏好行为来预测当前用户的偏好,而不考虑用户的偏好会随着时间的变化而改变,影响了推荐准确率的问题,提出了一种基于时间衰减与偏好波动的协同偏好获取方法。首先,基于时间因素、用户历史偏好等获取偏好衰减增量与衰减速度,并据此生成衰减函数,使用衰减函数对用户历史行为数据进行衰减修正;其次,基于用户的历史偏好分布获取其偏好波动幅度;最后,将衰减函数与偏好波动幅度分别加入到最近邻获取与偏好获取流程,协同为用户生成推荐列表。在大规模真实数据集上的实验结果表明,所提出的方法与基于属性评分分布的协同过滤（RDCF）与最优Top-N的协同过滤（OTCF）相比,平均绝对误差（MAE）值分别降低了近6.42%和7.73%。实验结果表明所提方法能够提高推荐准确度,提升推荐质量。     

基于位置簇的移动生活服务个性化推荐技术

当前的移动推荐系统只将位置信息作为推荐属性处理,弱化了其在推荐中所起的作用,更重要的是忽略了移动生活服务位置相关性和用户空间运动有界性特征。针对该问题,设计了基于位置簇的用户偏好表示模型和移动生活服务个性化推荐算法。该算法通过模糊聚类得到位置簇,使用遗忘因子调节用户在该位置簇对服务资源属性值的偏好,并且采用概率分布和信息熵理论计算属性权重,按位置簇对用户偏好和服务资源进行匹配得到top-N推荐集。由于位置簇的定义,使得算法给出与用户偏好相似度较高的服务资源。案例分析结果符合这一结论,从而验证了算法的有效性和精确性。     

区间直觉乘法偏好信息下的多属性决策方法

对直觉乘法集（intuitionistic multiplicative set）进行推广,提出了区间直觉乘法集的概念。为了表达方便,定义了区间直觉乘法数,给出了区间直觉乘法数的基本运算法则。定义了区间直觉乘法数的得分函数和精确函数,并给出了区间直觉乘法数的一种排序方法。定义了区间直觉乘法数的加权平均算子和加权几何算子,进而给出决策者对方案的偏好信息以区间直觉乘法数给出的决策方法,并进行实例分析。     

标签推荐方法研究综述

随着互联网信息的爆炸式增长,标签(由用户指定用来描述项目的关键词)在互联网信息检索领域中变得越来越重要.为在线内容赋予合适的标签,有利于更高效的内容组织和内容消费.而标签推荐通过辅助用户进行打标签的操作,极大地提升了标签的质量,标签推荐也因此受到了研究者们的广泛关注.总结出标签推荐任务的三大特性,即项目内容的多样性、标...