基于遗忘函数和领域最近邻的混合推荐研究

基于内容过滤和协同过滤是两大最为经典的推荐算法,但基于内容过滤存在新用户问题,没有考虑用户兴趣变化对推荐质量的影响,协同过滤则面临严峻的数据稀疏性和冷启动的挑战.针对这些,提出混合推荐算法:基于非线性逐步遗忘函数建立用户兴趣模型,预测用户未评价商品评分;引入"领域最近邻"处理方法查找目标用户的最近邻,预测未评价商品评分,以此为基础做出推荐.实验结果表明,本文方法能有效提高推荐质量.     

数据驱动环境下考虑多重干扰情境的共享单车重置优化研究

无桩特性给共享单车重置调度带来了全新的问题和挑战，决策者面对的是随机分布在整个区域面上的单车如何调度，这与传统有桩公共自行车的重置有着显著区别。基于此，本文以某品牌共享单车为研究对象，通过分析其运行轨迹数据，界定出共享单车的活跃点（放车点）与非活跃点（收车点）。由于收车点的重置需求会因用户行为影响而不断发生变化，本文结合干扰管理的思想，综合考虑收车点的单车数变化、收车点消失以及新增收车点等干扰情境，建立考虑多重干扰情境的共享单车重置调度多目标优化模型，并设计带精英策略的非支配排序遗传算法对其求解。测试结果表明，本文所构建的模型和求解算法能够快速寻找到问题的帕累托最优解集，可为共享单车的重置调度提供有效的策略建议和决策支持。     

社交电商中融合信任和声誉的图神经网络推荐研究

社交电商可依据用户间的社交关系为用户提供感兴趣的商品或服务。现有研究多基于社会信任或社会声誉进行推荐，却忽略了信任与声誉间的相互作用，导致推荐效果欠理想。针对以上问题，本文提出了一种融合信任(Trust)和社会声誉(Social Reputation)的图神经网络推荐算法(TSR-GM)，采用社会声誉来深度刻画用户关系在推荐系统中的作用，利用社交网络中用户被信任程度对用户声誉进行排名，以图神经网络量化整合用户信任与声誉，并将结合后的新矩阵不断校正以获取更准确的用户信任，以此对矩阵分解后得到的新评分模型更新，最终得到更准确度量的预测评分矩阵。运用Epinions数据集开展的相关实验表明：与同类方法比，TSR-GM算法对提高推荐精度有较好效果。     

基于证据推理的效能评估及其在临近空间多任务规划中的应用

在临近空间系统多任务规划过程中,对不同的多任务规划场景下,临近空间系统综合效能及其变化规律的研究,可以帮助决策者寻找到相对最优的临近空间多任务规划方案。由于临近空间系统涉及多资源、多任务和复杂的内外部环境,影响其效能的因子较多且动态多变,因此,其效能评估将遇到多种确定性和不确定性因素共生环境下的评价问题,传统的方法难以独立处理该问题。鉴于此,将证据推理的方法引入效能评估中,设计了基于证据推理的效能评估模型,该模型综合考虑了无知、模糊、不准确、区间数和区间信念度等多种不确定性因素,并实现了多源证据的有效合成。最后,在实现的2组面向点目标的临近空间多任务规划仿真实验中,运用该模型分别计算出了不同场景下临近空间系统综合效能,计算结果显示资源数和任务数的变化对临近空间系统综合效能的影响符合客观规律,表明该模型具有一定的可用性。     

基于社交综合信任和商品流行度的推荐模型研究

基于信任的推荐方法对用户之间的关系特征描述较为单一的问题,综合考虑用户关系网络和交互行为,融合用户由局部交互而产生的互动强度,在社交网络树立的全局声誉及因个人喜好而产生的偏好相似构建社交综合信任评估模型,以融合后的社交综合信任度取代传统协同过滤推荐方法中的相似度,以提高识别邻居的能力,并在此基础上引入商品流行度因素,将其作为调整因子对目标用户进行评分预测。在Epinions数据集上的对比实验结果表明,所提出的社交综合信任评估模型能够显著提高推荐准确性,且通过商品流行度的引入能够进一步提高推荐效果。     

团购商品的个性化协同过滤推荐方法

本文提出结合云模型和改进均方差的协同过滤推荐方法,为团购网站的用户提供个性化推荐。该方法首先通过已有的用户日志数据,模拟用户对商品的评分,构建用户-商品评分矩阵。在此基础上,通过云模型和改进MSD方法模拟商品间的相似度,运用基于物品的协同过滤方法,预测出用户对商品的评分,并为目标用户生成个性化推荐列表。最后,通过实验证明该推荐方法的有效性。     

基于正式结构与非正式网络的企业内部知识共享优化方法

从社会网络视角提出一种基于正式结构与非正式网络的企业内部知识共享优化方法;从解构企业内部社会网络的角度出发,对承载企业内部知识共享的正式结构、非正式网络及其4个子结构(被忽视的正式结构、被利用的正式结构、被利用的非正式网络和潜在的非正式网络)进行分析;依据网络特征识别关键的知识代理人和任务导向的知识共享缺口,在此基础上对企业内部知识共享进行优化。     

基于社会网络视角的分布式科研团队知识共享困境与对策研究

基于社会网络视角来构建分布式科研团队的知识共享网络模型,通过对分布式科研团队特征以及知识共享网络模型结构的分析,探讨了网络沟通模式、个体网络位置、子网络接口和凝聚子群等网络结构特性对分布式科研团队知识共享困境的影响,并提出了分布式科研团队知识共享困境的解决对策。     

基于协同过滤算法的高校图书馆图书推荐系统研究

基于协同过滤算法是个性化推荐系统中最基本、最常用的一种,而传统的基于用户的协同过滤算法存在着用户冷启动和高推荐率等问题。笔者针对目前图书推荐协同过滤算法运用中存在的问题,并根据高校图书馆的实际情况,提出相应的改进措施。笔者利用学生网络日志和读者借阅记录对用户进行相似性分析,有效解决了用户“冷启动”的问题,提高了推荐准确率。笔者利用时间衰减法建立用户兴趣模型,以便更好地关注用户的短期借阅行为,提高推荐准确率。与传统用户协同过滤方法相比,笔者提出了一种改进的用户协同过滤方法。结果表明,改进后的用户协同过滤方法具有更好的性能。     

作业时间依赖顺序的拆卸线平衡多目标优化

在废旧产品拆卸时无先后关系约束的任务之间可能存在拆卸干扰，使任务作业时间依赖于拆卸顺序，导致产品总作业时间不确定，从而影响拆卸线的平衡。为此，考虑拆卸过程中任务间的相互干扰，以最小化拆卸成本和环境危害为目标，构建作业时间依赖顺序的拆卸线平衡多目标优化模型，并提出一种Pareto人工蜂群算法进行求解，采用混合生成法保证种群质量与多样性，设计变邻域深度搜索策略以提高雇佣蜂局部开采效率，为降低侦察蜂探测的盲目性采用基于外部存档的单点变异算子进行搜索。最后通过算例与实例验证算法的有效性以及平衡任务在拆卸线上分配的重要性。     

金融网络风险下多因子矩阵回归的资产组合与定价

本文从企业的股权、债权关系出发,基于违约距离构建无向图网络,分析了不确定性风险以网络形式进行传染、溢出和蔓延等现象,通过最小生成树的稀疏网络优化方法最大限度降低资产组合的非线性风险影响。站在资源配置的角度,利用稀疏聚类算法深入挖掘资产特征和捕捉其间的相依关系,采用多目标、多指数的稳健矩阵回归策略动态跟踪市场趋势,并通过自适应权重学习策略对网络风险叠加影响下的资产组合进行选择和配置,最终获得最小生成树风险下投资组合的稀疏聚类优化策略,进一步扩充了资产定价多因子模型。研究发现多目标矩阵回归的稀疏聚类投资组合,不仅对组合内投资标的进行了选择性舍弃,使资金能够集中配置于优质资产,更有助于通过最小生成树减缓甚至切断风险在网络中的传播,有效降低了资产之间风险的传染性。基于金融网络的风险分析方法不仅有效地刻画了风险以网络方式互相传染、互相影响、互相强化的非线性叠加效应,而且通过资产之间配置系数的压缩变换和最小生成树的优化方式,最小化最坏情形下风险传染的影响,对复杂网络环境下的资产配置和全面风险管理进行了有益补充,为长期投资基金获得风险和收益更为均衡的资产配置,提供了合意的投资策略和决策依据。     

局域网组建的探讨

针对笔者所在研究所现有局域网的拓扑结构,提出了一种多网段混合的网络拓扑结构,该结构网络运行稳定,投入少,用户使用方便。本文在介绍需求分析及现有网络拓扑结构的基础上,重点从具体实现上阐述了多网段混合网络的组建过程,并做了对比分析。     

多枢纽轴辐式协同物流网络任务-路径优化匹配研究

针对物流网络运营中规模效益低、运营商与客户利益冲突等问题，本文提出了基于多枢纽轴辐式协同物流网络的任务-路径优化匹配策略。在网络结构确定的条件下，从物流集成服务商角度出发，综合考虑资源发车时刻、路径能力限制、动态成本折扣系数以及任务延时惩罚，构建了以总物流成本最小和时间最短为优化目标的轴辐式协同物流网络任务-路径优化匹配数学模型。根据问题特点，设计了基于三层编码的遗传算法对模型进行求解，同时配合多点交叉、变异机制提高求解效率。研究结果表明，集并运输能够大幅度降低任务集执行成本，但当集并带来的交货延迟、客户满意度降低等负面效应超过其正面效应时，需适当匹配直达线路以提高整体效益。     

社会网络属性对电子商务信任影响的实证研究

伴随着Web2.0技术和社会网络服务的发展和应用,社会网络服务与电子商务的融合成为趋势。为了研究网络的社会化属性对电子商务消费者信任的影响,本文构建了一个网络社会属性促进消费者信任的研究模型并提出了相关假设。通过问卷调查收集数据,并采用结构方程模型进行了实证分析。研究结果表明:社会网络中的真实好友推荐、网络好友推荐、好友与商家交易信息、社会网络好友的专业性以及社会网络信任因素均对电子商务信任有正面的影响,但社会网络中用户与好友交互程度对电子商务信任却呈负面影响。     

局域网组建的探讨

针对笔者所在研究所现有局域网的拓扑结构,提出了一种多网段混合的网络拓扑结构,该结构网络运行稳定,投入少,用户使用方便.本文在介绍需求分析及现有网络拓扑结构的基础上,重点从具体实现上阐述了多网段混合网络的组建过程,并做了对比分析.     

库存共享和服务水平限制下三级分销网络侧向转运模型与算法

侧向转运是库存共享的一种方式,一方面会减少库存成本,另一方面又会因转运而增加运输成本,针对这一问题考虑不同时间窗W^k的服务水平产生的服务水平的分级,构建三级分销网络中基于库存共享与时间服务水平限制的批量订货模型,分销网络模型中包含一个制造商、一个RDC、m个DC、n个客户。其中客户的需求相互独立且服从泊松分布,DC的订货提前期服从指数分布。首先,建立了基于时间服务水平限制的分销网络系统总成本最小化模型,并将再购点、订购批量等库存参数作为同时作为决策变量,以达到三级备件分销网络的成本优化;其次,根据问题和模型的特点对所建的模型开发了基于采用贪婪增加算法的求解思想求解问题,以便给管理者提供决策参考并通过降低利润的方式增加效益和资源利用率;最后,通过中航材集团推行的“航材共享”项目作为算例分析,将三个分销区域与机场群组成的备件分销系统进行建模分析,验证了本文模型的有效性,成本优化的显著性。研究结果表明,三级分销网络中,RDC采用连续盘点的（Q,R）补货策略、DC采用（Q,R,H）的补货策略时系统总成本与普遍采用的定期盘点策略和连续盘点中的One-for-One订货策略成本相比,DC之间的库存共享策略能有效降低整个系统的成本,例如,在案例研究中发现成本降低约为30%。     

基于自适应大邻域搜索的鲁棒多项目调度方法

多项目资源管理有时需要采用一种资源专享-转移策略，该策略下可更新资源在多项目之间不共享，但在当前项目完工之后其资源可以转移至其它还未开始的项目。针对这一实际问题的理论研究非常有限。考虑活动工期的不确定性，从时差效用函数视角评价项目调度计划的鲁棒性，在考虑拖期成本-鲁棒性的多目标问题框架下，构建了一个资源专享-转移视角下的多项目资源分配(战术层)与鲁棒调度(运作层)双层决策优化模型。针对模型的NP-hard性质和多目标组合优化特征，设计了一种新的自适应大邻域搜索(adaptive large neighborhood search，ALNS)算法求解模型。该算法采用“项目-缓冲-资源-活动”列表的混合编码表示问题可行解，提出基于四类列表的destroy-repair邻域结构，设计一种超体积指标进行自适应搜索以提高算法性能。最后，为了验证ALNS算法的适用性和有效性，设计一种NSGA-II算法作为比较基准，通过大规模仿真实验对算法性能进行了对比分析，并探索工期不确定水平对多项目调度方案鲁棒性的影响。     

信息传播及其生命周期对移动商务价值链运行的影响研究

为了研究信息传播及其所处生命周期阶段对移动商务价值链中各参与者价值分配的影响规律,设计了每个参与者属性、行为以及agent之间的互动规则,建立其价值链的多agent模型,并基于此建立复杂网络下信息在用户中扩散的多agent模型,对每个用户agent的信息传播和接收行为进行分析,从而对模型进行改进。利用Anylogic 6.5构建仿真模型,并进行仿真实验,利用SPSS对仿真结果进行统计分析,研究模型中各个参数的改变对价值分配的影响效果,依此归纳出各参与者提高价值的策略。     

基于学习与协同效应的云制造任务动态双边匹模型

云制造环境下的智能服务单元具有自适应学习能力,并通过社会关系与其他服务进行资源传递、信息共享交互,协作完成复杂制造项目。根据云平台上制造任务关联性与服务协同性的新特征,提出考虑学习与协同效应的制造任务双边匹配决策方法。由于云交易的重复性、动态性,服务通过多次参与任务积累知识提升服务质量,构造基于学习效应模型的主体动态能力计算方法,运用期望效用理论聚合双方满意度。同时,应用协同网络刻画服务社会关系,基于社会网络理论计算服务间协同满意度。从而构建以任务、服务满意度、服务间协同满意度最大化的一对一双边匹配多目标模型。通过汽车云制造实例运算得到最优匹配方案,验证本文模型的有效性,并与一般双向匹配、考虑学习、考协同效应的3类模型比较,证明本文模型的优势,更符合实际制造场景要求。     

一种逆向物流网络的多期动态选址方法

提出一种逆向物流网络的多期动态选址方法.不同于静态的、单期模型,考虑需求变化的不同时期下,计算机相关产品逆向物流网络的多层设施定位方法.基于遗传算法,采用二进制十进制混合编码的染色体来表示回收点、回收点的回收期及回收中心相关的决策变量;设计顾客对回收点、回收点对回收中心的两个子分配算法来保证所有约束的满足性,并进行拟合度函数的评价;提出的特定遗传进化操作使得模型求解方向趋于回收点、回收中心和生产点相结合的最佳逆向物流网络;最后的仿真实例说明了所提方法的有效性.