一个求解带有时间窗口约束的车辆路径问题的启发式算法

对适用于旅行商问题的最近距离搜索启发式算法进行修正,构造出评价函数,并依此提出一个求解有时间窗约束的车辆路径问题的启发式算法。求解具体算例表明,此算法是有效的。     

基于协同过滤和网络结构的个性化推荐算法

综合了经典的协同过滤算法和基于网络结构的个性化推荐算法.项目同其他所有项目的相似度之和被认为是项目在个性化推荐系统中的初始推荐资源,然后通过二部图的网络结构将这种资源进行重新分配.同时考虑两个项目之间的相互作用关系,提出了最终的推荐算法.最后,根据用户未曾收集项目最终所获得的资源进行排序,向用户推荐资源最多的项目.通过...     

基于多维特征差异的个性化学习资源推荐方法

协同过滤算法和二进制粒子群算法是目前学习资源推荐领域研究热点.然而,协同过滤算法推荐的学习资源过于随机化,不能满足学习者进行整体知识建构的要求.而基于二进制粒子群算法构建的资源推荐模型,以推荐所有学习者完整的学习资源为目标,且模型数据较难预测,不符合在线智能化学习的趋势.针对以上问题,提出了基于多维特征差异的个性化学习资源推荐算法:首先根据学习者和学习资源多维特征差异建立学习资源推荐模型,并考虑了学习偏好;其次引入协同过滤技术对模型数据进行预测;最后针对推荐模型的多目标优化特征,将协同过滤算法和二进制粒子群算法结合,提出了对惯性权重和种群多样性进行动态协同调整的自适应二进制粒子群算法,实现了个性化学习资源推荐.实验证明,该算法具有较好的准确性,能够满足个性化学习资源推荐的需要.     

个性化推荐系统评价方法综述

根据推荐系统任务的不同,介绍了不同的准确性度量指标以及各自的优缺点;介绍了准确度之外的其它指标,例如推荐多样性、覆盖率等;指出了目前评价指标存在的缺陷,以及未来可能的改进方向.     

一类含时间窗口的多资源动态调度问题的建模与求解方法

摘要内容含时间窗口的多资源调度，是一个包括资源分配和时间窗口分配的两阶段优化过程。资源在初始调度方案执行过程中可能会出现故障，而使初始方案不能继续执行，需要对初始方案进行调整。本文针对这种情况，分析了该问题中的主要约条件，建立了含时间窗口的多资源动态调度模型，给出了一种启发式搜索方法；并以含时间窗口的并机调度问题为例，对模型和算法进行了验证。     

基于隐式反馈的个性化游戏推荐方法

传统的推荐系统常用显式反馈进行个性化推荐,但显式反馈数据不易获取,质量不好且易引起用户反感,使推荐结果不能满足用户需求.隐式反馈数据更容易获取,可更好地为用户提供其感兴趣的内容.提出一种基于隐式反馈数据的个性化游戏推荐才法.该方法基于游戏时长、游戏次数等隐式反馈数据,构建针对游戏用户数据的隐式反馈推荐模型,通过隐语义推...     

基于读者偏好变化的高校图书个性化推荐方法

提出了一种根据读者借阅行为记录和图书信息来观察高校读者阅读偏好随着时间变化的思路,并借助二分网络结构特性,提出了测量偏好变化特征的计算方式及其作为推荐客体结合传统图书推荐算法的混合推荐方式。同时,使用上海交通大学图书馆图书借阅历史数据展示了偏好变化计算结果和结合偏好变化的混合推荐方法相比传统推荐方法的优越性。     

交货期固定的工件准时完工数——最大排序问题的多项式时间算法

给出了求解交货期固定的工件准时完工数最大的排序问题的多项式时间算法。     

面向个性化推荐的强关联规则挖掘

提出了适用于个性化推荐的强关联规则的概念,并给出一种基于矩阵的强关联规则挖掘算法.强关联规则集合能够以较少数量的规则表示全部有效关联信息,便于管理和应用.给出的强关联规则挖掘算法只需对交易数据库进行一次扫描,在挖掘过程中不断删除非频繁项使矩阵规模逐渐减小,并且避免了对冗余规则的挖掘, 从而提高了挖掘效率.通过对三组数据的实验表明:强关联规则集合包括的规则数量平均仅为规则总数的26.2{\%},有效解决了规则数量过多的问题.     

有向相似性对协同过滤推荐系统的影响研究

为研究用户的相似性对协同过滤个性化推荐算法的影响,认为用户的有向相似性应该由邻居用户指向目标用户,而非由目标用户指向邻居用户。基于该思想,提出了一类改进的协同过滤算法。通过对Movielens数据集的实验分析,结果发现改变用户相似性的方向可大幅提高推荐结果的准确度和推荐列表的多样性。进一步,强化相似度高的用户的推荐强度可大幅提高推荐效果,算法的准确性可提高17.94%,达到0.086 4,当推荐列表的长度为10时,推荐列表的多样性可达到0.892 9,提高20.9%。该工作表明用户相似性的方向是否合理对推荐算法具有非常大的影响。     

不确定车辆数的有时间窗车辆路径问题的遗传算法

给出了不确定车辆数的有时间窗车辆路径问题(VRPTW)的数学模型,提出一种基于客户的编码表示方式,可以表示出不同的车辆数,实现VRPTW的路径长度和车辆数的同时优化,并用计算实例进行了验证,同时对计算中涉及的一些问题进行了讨论.     

基于多种社交关系的概率矩阵分解推荐算法

随着社交网络的发展,社会化推荐算法得到普遍应用,现有的推荐算法往往只是将一种社交关系引入到推荐系统,但在现实社交网络中用户之间往往存在多种社交关系。基于多子网复合复杂网络模型,利用共享用户特征矩阵,提出了基于多关系社交网络的矩阵分解推荐算法。通过在Epinions数据集上的实验结果分析,准确率评价指标MAE、RMSE和NMAE分别提高了34%、27%和7%,由此可以证明,多关系社交网络的矩阵分解推荐算法能有效提高推荐准确率。     

众筹项目的个性化推荐:面向稀疏数据的二分图模型

二分图模型是一种全局优化算法,本文将二分图模型应用于直接推荐众筹项目,使用PersonalRank算法迭代计算网络节点的全局关联度,从而推荐那些基于余弦相似度的协同过滤不能有效推荐的项目,适用性更加广泛.更进一步,提出将二分图模型与协同过滤算法相结合,首先把网络结构划分为二分图,采用二分图算法得到的两类节点(用户节点,项目节点)之间的全局相似度,再结合协同过滤算法,得到基于二分图模型的协同过滤算法.实验表明,在众筹项目推荐中,由于数据极端稀疏,适宜采用二分图模型来进行相似度计算并进行推荐.     

我国电子商务推荐策略的比较分析

首先评述了国内外电子商务网站常用的各种查找推荐方法,重点比较分析了我国四个典型的B2C网站(Mall.sina.com.cn,Ssreader.com,Dangdang.com,D-library.com.cn)和国外著名电子商务网站Amazon.com所采用的推荐策略,然后指出目前我国B2C网站在推荐策略方面存在的差距和问题,分析了其原因并提出了相应的解决措施.     

带时间窗口的分布式配送系统在运输时间均匀分布条件下的性能分析

目前一些企业正在使用一种新的产品配送系统——分布式配送系统 ,即将最终产品的各配件分开库存 ,在合并中心满足顾客订单 .本文在运输时间不确定性和对货物早到有限制的前提下 ,在极小化库存费用的同时以满足定时送货要求为目标 ,讨论了如何确定运输提前期 .我们建立了数学模型 ,给出了求解方法 ,并对模型进行了讨论 .     

基于递阶遗传算法和BP网络的时间序列预测

提出一种基于递阶遗传算法和BP神经网络的时间序列预测模型。现有的BP训练方法只能训练BP网络的权重,网络的结构得预先用某种方法确定。利用很好设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定。以铁路客运市场数据进行训练和测试,与传统的BP网络预测模型相比较,结果证明该模型的预测精确度是令人满意的,所提出的方法是可行的。     

成品油配送中时间窗的确定及运输的安排

根据成品油配送网络的结构和特点 ,充分考虑了油品零售过程的随机性 ,提出了油品补充的时间窗问题和运输任务的安排问题 ,建立了配送的整数规划模型 ,并用一种启发式方法对问题进行了求解 .研究结果表明 ,通过合理调配整个网络的各种资源 ,不但可以降低配送过程的成本 ,还可以有效地避免断油或者等待卸油的现象出现.     

模糊需求与时间窗的车辆路径问题及混合遗传算法求解

针对带模糊需求与模糊时间窗的车辆路径问题，以总行驶距离、车辆使用数最小化，以及平均客户满意度最大化为目标，构建基于可信性测度理论的多目标模糊机会约束模型。为提高种群的多样性，改进了交叉算子，在引入局部优化算法及擂台法则的基础上，设计了适合求解多目标车辆路径问题的混合遗传算法。通过VRPTW标准算例实验，表明算法能够有效地求解带时间窗的车辆路径问题，以及模型的合理性，同时显示了决策者偏好值对决策目标的影响。研究成果可为求解带模糊需求与时间窗的车辆路径问题提供一种思路，也可为实际配送路径规划提供指导。