基于模糊集的消费者偏好识别

从信息管理的数据结构讲,消费者偏好是异构数据的集合.在分析消费者偏好识别问题的基础上,采用基于[0,1]的模糊集处理消费者偏好的异构数据;根据对某种商品的选择程度,提出消费者的群体协调关系;根据消费者群体的偏好和关系程度,基于不确定决策准则,建立商家的有效服务关系及策略.通过示例说明基于消费者偏好识别的服务程序应用.     

家庭影院影片观看之偏好

为进一步了解消费者对家庭影片娱乐的应用偏好,台湾岛内有关机构2011年曾通过网络消费群体进行过《家庭娱乐》调查。调查采用量化Online的方式,即固定panel样本取样的网上调查,该种调查方式,具有回复迅速、题型视觉化与互动化等优点,由于受访者皆经严格控管,以确保填答资料正确无误。     

改进偏好多目标优化算法在直流偏磁抑制装置优化配置中的应用

基于偏好的多目标优化算法能够定向搜索符合决策者需求的Pareto解集,是多目标优化算法与工程实际联系最为紧密的方法之一。为准确地将决策者偏好需求反映到最终Pareto解集,提出一种偏好映射点动态更新策略,通过动态更新偏好映射点来降低算法对初始参考点位置的依赖。为实现输出Pareto解数目可调可控,引入偏好解集过滤器,使得算法能够得到解集数目符合决策者要求、分布均匀的Pareto解。最后,利用所提算法求解ZDT系列测试函数和浙北区域直流偏磁抑制装置优化配置问题。结果表明,所提算法能有效收敛至决策者偏好对应的Pareto解集,可以为直流偏磁抑制装置优化配置工程实际问题提供符合决策者需求的优秀候选方案。     

基于公平心理偏好的农产品供应链价格补贴契约

研究了价格补贴契约下,两级农产品供应链的最优激励机制设计问题。该供应链由一个生产商与两个供应商构成,生产商为领导者,供应商具有公平心理偏好,通过抽检来确定农产品质量。在风险中性条件下的研究结果表明,当检验成本系数较小且生产随机性较大时,应选择极端团队业绩评价契约,此时的激励效率与纯自利偏好时相同;其余情况下,除了内疚心理较强时极端相对业绩评价契约可能略占优势外,应选择中间联合契约,且激励效率得到了提高,激励效率收益与检验成本系数成正相关关系,与生产随机性成负相关关系。     

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。     

基于行为均衡分析的多学科协同决策机制设计

针对求解不确定、动态和分布式的多学科设计优化问题时所面临的挑战,提出了一种基于行为均衡分析的多学科协同决策机制。在行为博弈分析框架下,通过采用折衷决策支持问题建立学科设计团队的基本决策模型,利用理性反应集刻画团队之间的交互作用和耦合关系,结合社会偏好理论、认知演算和前景理论来描述团队之间行为均衡的实现过程,该机制为多学科设计博弈的动态演化过程提供了一个有效的建模工具。     

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。     

基于比较可能度的多属性决策方法

围绕多等级上同时考虑优于、劣于、无差异和不确定等四种成对方案间关系的不同分布式偏好关系（DPR）,提出一种基于其比较可能度的属性权重未知的多属性决策方法。首先,利用各等级的得分值将分布式偏好关系转为得分值区间,并基于得分值区间构造服从均匀分布的分布式偏好关系比较可能度;其次,通过理论分析证明其与未考虑分布的比较可能度间的大小关系及其取值差异范围;最后运用提出的比较可能度形成属性权重未知的多属性决策流程,产生高辨识度的决策解。将提出的方法运用于求解芜湖市战略性新兴产业的评估问题,验证了方法的正确性和有效性。     

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。     

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.