基于免疫算法的个性化推荐系统

针对个性化推荐系统中用户的多个不同需求,提出一种基于免疫算法的求解方法。该算法将要求解的个性化 推荐列表建模成一个最大化推荐准确性和多样性的多目标优化问题,采用基于用户的协同过滤技术对用户进行分类,设计了 适合推荐问题求解的抗体编码方式、克隆、变异算子。仿真实验结果表明,所提算法能够有效求得个性化推荐的最佳解,达到 可以同时为多个用户提供多个不同推荐的需求。     

推荐系统中的新颖性问题研究

准确性推荐中存在商品类型单一、流行商品多、缺乏新意的问题,因而新颖性推荐得到重视。但已有研究在设计算法时未考虑项的特征,无法针对不同用户帮其区分和挑选具备较高新颖度的项。为提高推荐系统的性能,对基于随机游走的方法进行改进,提出融合新颖性特征的推荐算法。从兴趣扩展和预测角度分析项的特征,给出完善的新颖度定义,并结合用户需求构建新的转移概率,产生个性化的推荐列表,提高了列表内容的新意。实验结果表明,提出的算法较现有算法对准确率影响较小,同时在新颖性指标上有明显提升,并得出通过融合新颖性特征能够在兼顾准确性的情况下有效改善推荐内容的结论。     

多目标优化免疫算法中核心算子抽象

人工免疫系统是受自然免疫原理启发而建立的计算模型,多目标优化问题是当前演化计算的一个重要研究方向。然而,当前的各种免疫优化算法的运行机制和操作过程均不相同。提出一种多目标优化免疫算法的统一表达方法,抽象出免疫算法的3类核心算子的主要原理和运行过程。核心算子可表达经典免疫优化算法NNIA和CMOIA,证明了3类免疫算子表达算法的可行性和高效性。     

免疫算子对种群多样性的影响分析

经过多年的发展,研究人员设计出大量的免疫算法来解决多目标优化问题。基于三种免疫算子：克隆选择算子、超突变交叉算子和重组存储记忆算子,并通过分析三种算子何时或以何种方式对免疫算法中种群多样性产生影响,从而对免疫算子与种群多样性之间的联系进行了研究。对NNIA和CMOIA两种经典免疫算法在两个基准问题上进行实验分析,实验结果表明克隆选择算子对于算法多样性有消极影响,而超突变交叉算子和重组记忆存储算子则会帮助算法维护多样性。     

基于粒子群优化的项聚类推荐算法

针对传统推荐算法的数据稀疏性问题和推荐准确性问题,提出基于粒子群优化的项聚类推荐算法。采用粒子群优化算法产生聚类中心,在此基础上搜索目标项目的最近邻居,并产生推荐,从而提高了传统聚类算法的推荐准确性及响应速度。实验表明改进的项聚类协同过滤算法能有效提高推荐精度。     

一种具有免疫特征的Ant-Miner算法

Ant-Miner算法是第一次将蚁群算法应用于分类问题的一个分类模型。提出了一种具有免疫特征的Ant-Miner算法,该算法在原始Ant-Miner算法的基础上设计了克隆选择算子、亲和突变算子和免疫选择算子。将该算法与原始Ant-Miner算法进行比较,实验结果表明该算法在分类的预见准确性上比Ant-Miner算法有较大提高。     

基于改进反序-杂交算子的免疫克隆选择算法

反序-杂交算子在求解TSP时容易陷入局部最优。为了优化电路板布局,提高计算快速性,对反序-杂交算子进行了改进,设计了1st-Inver-over算子和2nd-Inver-over算子。采用1st-Inver-over算子和2nd-Inver-over算子作为主要免疫基因操作算子实现了求解TSP的免疫克隆算法,在算法前期,只采用1st-Inver-over算子来保证算法的收敛速度,在算法后期,根据种群的多样性自适应的选取1st-Inver-over算子和2nd-Inver-over算子来协调算法的收敛速度和种群的多样性。仿真结果表明,Inver-over ICSA比经典的GT算法具有更好的收敛性和搜索效率。     

基于免疫学原理降低交叉算子破坏性的研究

应用免疫原理设计免疫算子对交叉结果进行修复,将免疫算子作为“有导向的变异算子”取代经典演化算法中的“盲目的变异算子”,有目的地利用待求解问题的知识抑制优化过程中的退化现象,并应用于旅行商问题。实验结果表明了算法的有效性。     

基于新颖性和多样性的旅游推荐模型研究

人们在旅游活动中经常会利用推荐系统,比如推荐路线、推荐酒店等等,然而这种推荐多数是基于Top-N的热门项目推荐,经常导致游客得到一些信息量为0的“精准推荐”。针对传统的推荐算法过于强调推荐的精准度导致推荐列表的新颖性和多样性差的问题,将MMR技术应用在旅游推荐领域,同时加入用户-项目交互因子,提出一种基于发现的用户项目关系推荐模型,并在真实的数据集上进行测试,通过实验结果,和传统的KNN以及改进前的基于MMR经典算法对比,有效提高了推荐列表的新颖性和多样性。在旅游推荐这种新颖性较高的应用领域,该算法相对于传统的推荐算法具有较大的优势。     

求解约束优化问题的改进型免疫算法

为了提高免疫算法求解约束优化问题的性能,给出了一种融合乘子法的免疫算法。设计了乘子法对约束条件的转换过程,给出了基于实数编码的克隆变异算子、浓度抑制算子和免疫算法框架,并对标准测试函数进行了实验验证。实验结果表明,该算法优于文献算法,具有较好的应用价值。     

求解多目标问题的Memetic免疫优化算法

将基于Pareto支配关系的局部下山算子和差分算子引入免疫多目标优化算法之中,提出了一种求解多目标问题的Memetic免疫优化算法(Memetic immune algorithm for multiobjective optimization,简称MIAMO).该算法利用种群中抗体在决策空间上的位置关系设计了两种有效的启发式局部搜索策略,提高了免疫多目标优化算法的求解效率.仿真实验结果表明,MIAMO与其他4种有效的多目标优化算法相比,不仅在求得Pareto最优解集的逼近性、均匀性和宽广性上有明显优势,而且算法的收敛速度与免疫多目标优化算法相比明显加快.     

基于用户邻域和主题的新颖性Web社区推荐方法

社区推荐从海量社区中为用户过滤出有价值的社区,变得越来越重要.新颖性推荐逐渐得到关注,因为单纯追求准确度的推荐结果存在局限性.已有新颖性推荐方法不适用于社区推荐,因其无法处理Web社区特性,包括社区成员用户通过交互形成的关系网络以及社区主题.提出了一种新颖性社区推荐方法NovelRec,向用户推荐其有潜在兴趣但不知道的社区,旨在拓展用户视野和推动社区发展.NovelRec基于用户交互网络中的邻域关系,利用用户之间在主题上的关联,计算候选社区对用户的准确度;根据用户与社区在邻域和主题上的关联,提出一种用户社区距离度量方式,并利用该距离计算候选社区的新颖度.在此基础上,NovelRec最终进行新颖性社区推荐,并兼顾推荐结果的准确性.真实数据集上的对比实验结果表明,NovelRec方法在新颖性上优于现有方法,同时能够保证推荐结果的准确性.     

基于加权关联规则的智慧旅游推荐系统

针对智慧旅游中景点推荐方面的不足,给出一种智能推荐的实现方案,通过对用户交互操作行为数据的分析,获取用户对浏览景点的兴趣度和认同度,在此基础上,运用AWMS-FPgrowth(多最小支持度加权FP-growth)算法挖掘出潜在的模式,形成规则,作为景点推荐的依据,与传统推荐方式相比,系统在准确性和新颖性上有很大的提高。     

一种基于抗体网络的免疫算法

阐述了免疫系统抗体网络的机理和特点,深入分析了抗体网络与常用的免疫算法和Hopfield神经网络异同.通过不断更新输入模式(抗原)和采用最优保存策略,将基于克隆选择的竞争学习算子、自动生成网络结构、剪枝算子和低频变异用于进化操作,提出一种新的基于抗体网络的免疫算法,用于函数优化问题.实验结果表明新算法可行有效.与常用的免疫算法、Hopfield神经网络优化算法比较,新算法具有较好的全局搜索能力和较快收敛速度.     

基于aiNET人工免疫网络的推荐算法

为解决现有推荐技术中存在的稀疏性、准确性等问题,提出了基于aiNET人工免疫网络的推荐算法,以利用人工免疫网络自身的利用免疫动态调节机制来降低数据稀疏性,提高推荐准确性。     

基于加权网络结构的冷门资源推荐算法

基于网络结构的推荐方法存在过度推荐“热门资源”,忽略推荐“冷门资源”的问题。然而实际中“冷门资源”更契合用户个性化的偏好需求,因此通过挖掘“冷门资源”来提高推荐结果的新颖性成为推荐算法研究方向之一。通过改进网络结构的推荐算法来提高对“冷门资源”的推荐：首先,构建用户-项目-特征词关联网络结构;其次,将用户对项目的评分差作为用户-项目能量传递的权值提高推荐准确性,将项目所具有的特征词的信息熵作为项目-特征词能量传递的权值增加“冷门资源”的推荐;最后,利用线性加权生成推荐列表。在MovieLens数据集上的实验结果表明,本文算法兼顾了推荐结果的准确性,提高了推荐结果中“冷门资源”的推荐。     

公交发车频率优化问题研究

给出一种基于免疫计算的公交发车频率优化方案.设计了公交发车频率优化问题的数学模型,给出了非劣邻域支配的多目标免疫优化算法的框架、基于实数编码的比例克隆算子和领域变异算子、以及支配抗体的拥挤距离公式.实验结果表明,该算法能有效地解决公交发车频率优化问题,具有较好的应用价值.     

异构环境下独立任务分配问题的免疫遗传算法

针对异构环境下独立任务分配问题，提出了一种免疫遗传算法，为抑制早熟停滞现象，基于免疫原理，为遗传算法定义了染色体浓度，采用免疫变异算子来维持种群的多样性，采用接种疫苗算子来提高算法的求精能力，使算法在空间探索和局部求精间取得了很好的平衡，仿真结果表明．遗传算法能够很好地应用于求解任务分配问题，基于免疫原理的优化算子能够有效地提高遗传算法的搜索效率、优化搜索结果．     

一种基于双变异算子的免疫网络算法

针对遗传算法难以解决多峰函数优化的问题,提出一种基于双变异算子的免疫网络算法.该算法借鉴免疫系统的克隆选择和免疫网络理论,采用双变异算子提高算法的全局和局部搜索能力.利用动态网络抑制策略保持神群的多样性,自适应地调节抗体群的规模.仿真结果表明,该算法能有效地改善种群的多样性,较好地实现全局优化与局部优化的有机结合,具有更强的多峰函数优化能力.     

基于免疫优化的公交驾驶员调度问题

为解决公交驾驶员调度优化问题,提出一种基于免疫计算的驾驶员调度优化方案。设计驾驶员调度问题的数学模型,给出非劣邻域支配的多目标免疫优化算法的框架、基于实数编码的比例克隆算子和领域变异算子,以及支配抗体的拥挤距离公式,并在仿真环境下进行实验。实验结果表明,该算法能有效地解决公交驾驶员调度优化问题,具有较好的应用价值。