共享经济背景下多属性双边匹配问题求解

发布时间：2021-02-22 13:35

　　对双边匹配类问题进行抽象建模,改进属性匹配度计算模型,求出匹配双方的偏好序,引入机器学习的思想改进蚁群算法对之求解。针对蚁群算法前期易早熟、后期难收敛的问题,提出非线性梯度启发信息和基于历史搜索信息的状态转移策略;针对蚁群算法初始参数设置难、调参工作量大的问题,提出基于梯度下降思想的自动调参方法;并制定稳定匹配和当前最优匹配的评价规则,引导蚁群算法的信息素更新。仿真结果表明改进的蚁群算法与传统蚁群算法相比评价值提升约20%。与传统蚁群和基于RNA计算改进的蚁群算法相比求解稳定性更优。 

【文章来源】：计算机工程与应用. 2019,55(24)北大核心

【文章页数】：7 页

【部分图文】：

信息素挥发参数α影响

图3中横坐标表示c0的设置值，纵坐标表示每个c0设置值10次实验匹配方案的评价函数平均值。由实验数据及经验分析初始信息素浓度c0和信息素挥发参数α对算法的求解效果的影响设置回归函数如下：

图4为改进的蚁群算法和传统蚁群算法迭代过程比较结果，NC=500,ant=8，纵轴为算法每次迭代产生的8个匹配方案的f(Mk)平均值，横轴为算法迭代次数。传统蚁群算法的前期收敛速度快于改进的蚁群算法，更早收敛于某个局部最优解，改进后的蚁群算法最终求解效果优于传统蚁群算法，提升大约20%。4.4.2 求解稳定性比较

【参考文献】：
期刊论文
[1]可调整个体优先级的双边匹配算法[J]. 王彦博,于瀚辰,沈体雁.  计算机工程与应用. 2018(11)
[2]基于Borda法不确定偏好序下的双边匹配决策模型[J]. 张笛,孙涛,黄国华,陈晔,万良琪.  统计与信息论坛. 2017(12)
[3]共享经济——从“去中介化”到“再中介化”的被动创新[J]. 刘蕾,鄢章华.  科技进步与对策. 2017(07)
[4]基于灰色关联分析的双边公平匹配决策模型及应用[J]. 刘勇,熊晓旋,全冰婷.  管理学报. 2017(01)
[5]共享经济背景下的动态价值共创研究——以出行平台为例[J]. 杨学成,涂科.  管理评论. 2016(12)
[6]基于非主属性值的实体匹配[J]. 杨强,李直旭,蒋俊,赵朋朋,刘冠峰,刘安,周晓方.  计算机学报. 2016(10)
[7]考虑稳定匹配条件的双边满意匹配决策方法[J]. 樊治平,李铭洋,乐琦.  中国管理科学. 2014(04)
[8]基于改进蚁群算法的服务组合优化[J]. 夏亚梅,程渤,陈俊亮,孟祥武,刘栋.  计算机学报. 2012(02)
[9]改进蚁群算法求解多属性双边稳定匹配问题[J]. 刘永强,常青,熊华钢.  信息与电子工程. 2011(04)
[10]技术知识供需双边匹配的两阶段决策分析方法[J]. 陈希,樊治平,李玉花.  工业工程与管理. 2010(06)



本文编号：3046072