對雙邊匹配類問題進(jìn)行抽象建模,改進(jìn)屬性匹配度計算模型,求出匹配雙方的偏好序,引入機(jī)器學(xué)習(xí)的思想改進(jìn)蟻群算法對之求解。針對蟻群算法前期易早熟、后期難收斂的問題,提出非線性梯度啟發(fā)信息和基于歷史搜索信息的狀態(tài)轉(zhuǎn)移策略;針對蟻群算法初始參數(shù)設(shè)置難、調(diào)參工作量大的問題,提出基于梯度下降思想的自動調(diào)參方法;并制定穩(wěn)定匹配和當(dāng)前最優(yōu)匹配的評價規(guī)則,引導(dǎo)蟻群算法的信息素更新。仿真結(jié)果表明改進(jìn)的蟻群算法與傳統(tǒng)蟻群算法相比評價值提升約20%。與傳統(tǒng)蟻群和基于RNA計算改進(jìn)的蟻群算法相比求解穩(wěn)定性更優(yōu)。 

【文章來源】：計算機(jī)工程與應(yīng)用. 2019,55(24)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

信息素?fù)]發(fā)參數(shù)α影響

圖3中橫坐標(biāo)表示c0的設(shè)置值，縱坐標(biāo)表示每個c0設(shè)置值10次實驗匹配方案的評價函數(shù)平均值。由實驗數(shù)據(jù)及經(jīng)驗分析初始信息素濃度c0和信息素?fù)]發(fā)參數(shù)α對算法的求解效果的影響設(shè)置回歸函數(shù)如下：

圖4為改進(jìn)的蟻群算法和傳統(tǒng)蟻群算法迭代過程比較結(jié)果，NC=500,ant=8，縱軸為算法每次迭代產(chǎn)生的8個匹配方案的f(Mk)平均值，橫軸為算法迭代次數(shù)。傳統(tǒng)蟻群算法的前期收斂速度快于改進(jìn)的蟻群算法，更早收斂于某個局部最優(yōu)解，改進(jìn)后的蟻群算法最終求解效果優(yōu)于傳統(tǒng)蟻群算法，提升大約20%。4.4.2 求解穩(wěn)定性比較

【參考文獻(xiàn)】：
期刊論文
[1]可調(diào)整個體優(yōu)先級的雙邊匹配算法[J]. 王彥博,于瀚辰,沈體雁.  計算機(jī)工程與應(yīng)用. 2018(11)
[2]基于Borda法不確定偏好序下的雙邊匹配決策模型[J]. 張笛,孫濤,黃國華,陳曄,萬良琪.  統(tǒng)計與信息論壇. 2017(12)
[3]共享經(jīng)濟(jì)——從“去中介化”到“再中介化”的被動創(chuàng)新[J]. 劉蕾,鄢章華.  科技進(jìn)步與對策. 2017(07)
[4]基于灰色關(guān)聯(lián)分析的雙邊公平匹配決策模型及應(yīng)用[J]. 劉勇,熊曉旋,全冰婷.  管理學(xué)報. 2017(01)
[5]共享經(jīng)濟(jì)背景下的動態(tài)價值共創(chuàng)研究——以出行平臺為例[J]. 楊學(xué)成,涂科.  管理評論. 2016(12)
[6]基于非主屬性值的實體匹配[J]. 楊強(qiáng),李直旭,蔣俊,趙朋朋,劉冠峰,劉安,周曉方.  計算機(jī)學(xué)報. 2016(10)
[7]考慮穩(wěn)定匹配條件的雙邊滿意匹配決策方法[J]. 樊治平,李銘洋,樂琦.  中國管理科學(xué). 2014(04)
[8]基于改進(jìn)蟻群算法的服務(wù)組合優(yōu)化[J]. 夏亞梅,程渤,陳俊亮,孟祥武,劉棟.  計算機(jī)學(xué)報. 2012(02)
[9]改進(jìn)蟻群算法求解多屬性雙邊穩(wěn)定匹配問題[J]. 劉永強(qiáng),常青,熊華鋼.  信息與電子工程. 2011(04)
[10]技術(shù)知識供需雙邊匹配的兩階段決策分析方法[J]. 陳希,樊治平,李玉花.  工業(yè)工程與管理. 2010(06)



本文編號：3046072