面向推荐系统的多目标决策优化算法

针对推荐系统利用多目标决策技术进行位置信息的查询与推荐时，由于查询者位置的移动和空间障碍物的位置变化导致传统多目标决策技术的查询效率较低的问题，提出了一种基于范围的障碍空间连续Skyline查询算法。首先，根据静态Skyline点的特征对由空间数据对象信息组成的初始数据集进行约减；然后，根据障碍空间中查询者的位置移动的特点构建距离相交模型，利用距离相交模型和数据对象的属性提出了剪枝策略，再根据剪枝策略过滤掉当查询者的位置移动时对查询结果无影响的数据对象，从而精减了冗余数据，得到过滤后的候选数据集；最后，根据数据对象的非空间属性和相互间的支配关系特征得出影响候选数据集的事件，利用影响候选数据集的事件再对候选数据集进行精炼计算，从而减少了冗余计算，查询出当前时刻的结果集。理论研究与实验结果表明：所提算法在查询者位置移动和空间障碍物位置变化时，能提升多目标决策技术的查询效率；相对传统对比算法，在数据集规模、障碍物数量、查询范围增大时，所提查询算法的平均效率提升约13%;针对多维度数据信息的查询，所提查询算法的平均效率提高了约11%。