个性化推荐系统中的混合用户偏好获取

针对个性化推荐系统中用户偏好信息量小的问题,提出了混合用户偏好获取,以相对准确但稀少的显式评分为基础,综合考虑用户页面停留时间、页面滚动时间和鼠标点击次数三项浏览行为,以评分转化规则为依据,得到隐式评分。结合隐式评分和显式评分,构建反映用户偏好的用户-项目矩阵,为个性化推荐算法的实施提供数据基础。实验证明,混合用户偏好获取是可行和有效的。

基于混合用户兴趣模型的农业旅游推荐移动系统设计

为优化和推广农业旅游信息化服务和平台建设,建立了基于短期用户兴趣和长期用户兴趣的混合用户兴趣模型,以此为基础开展了农业旅游系统核心需求分析和系统模块设计分析,最后就该移动系统的平台性能和用户满意度进行了调研。结果表明,用户点击率和数据访问量基本呈正相关关系,曲线走势基本一致,该旅游推荐移动系统能够及时反馈用户的操作需求并返回结果。游客和农户对该系统的满意程度从56%提升至78%,同时农产品和农业景点推荐的满意度期望值也从之前的77%、68%分别提高至96%、95%。

基于混合用户模型的二分图推荐算法

用二分图来实现个性化推荐的算法越来越受到研究者的注意。文中提出混合用户模型下的二分图推荐算法(MNBI),针对二分图推荐算法中存在的用户多、项目少时命中效率低的情况用混合用户模型进行改进,同时对于推荐中加权的二分图边的权值用用户集的总体的加权和进行改进。该算法基本思想就是在用户很多的情况下,用混合用户模型对用户首先进行一个预处理生成一定数量的用户集,然后用用户集和项目构成用户集-项目的二分图。通过在Movielens数据集中进行测试的实验结果表明,相比NBI算法,MNBI算法推荐的命中效率有一定的提高,同时对于推荐多样性有所提高,并且在数据冷启动情况下效果较好。

基于部分连接结构的低复杂度混合多用户预编码算法

为了解决大规模多输入多输出混合预编码系统功耗大、算法复杂度高、频效低等问题,针对传统混合预编码部分连接结构系统,提出了一种基于部分连接结构的新的低复杂度混合预编码算法,所提方案可暂时获得模拟域闭合解降低复杂性。不考虑用户之间的干扰,基于奇异值分解和最小均方误差准则设计用户的模拟域预编码。基于块对角化预编码方法,利用得到的模拟等效信道获得数字域预编码,并基于注水算法对发射功率进行分配,进一步提高通信质量。仿真结果表明,所提算法在频效和能效方面优于传统算法,且在不完美信道条件下,仍能获得令人满意的性能。

考虑风险取向差异的混合用户平衡模型

为准确描述随机路网环境下出行者的择路行为,提出了考虑风险取向差异的混合用户平衡模型。根据风险取向不同,将出行者分为冒险型、中立型、保守型和超保守型,并考虑了出行者对出行时间的估计误差、路网服务水平对需求量的影响及路网拓扑关系等影响配流的关键因素。推导了需求服从对数正态分布、路段通行能力服从贝塔分布条件下,各类出行者出行成本的计算公式,建立了用等价变分不等式表示的平衡模型。研究结果表明:出行者的风险取向对配流结果会产生重要影响;随着需求水平的提高和路段通行能力退化程度的加剧,不同风险取向出行者具有不同择路倾向,冒险型出行者倾向于选择出行时间波动大的路径,中立型出行者选择期望出行时间最小的路径,保守型和超保守型出行者倾向于选择出行时间波动小的路径。

交通信息诱导下的混合用户均衡模型研究

通过分析交通信息对出行者路径选择行为的影响,构建了一个同时考虑惯性出行者和非惯性出行者路径选择行为的混合用户均衡模型.随后,提出了求解混合用户模型的算法,通过算例对模型和算法的合理性进行验证,并探讨当出行者路径选择存在惯性行为时,交通信息是否能够缓解交通拥堵.研究发现交通信息虽然可以影响出行者的路径选择行为,但是可能会增加整个系统的总出行时间.而合适的信息渗透率有助于显著地减少整个系统的总出行时间,使得系统趋向于最优化.

ATIS和道路收费下的混合随机用户均衡的效率损失

在ATIS作用下的交通网络中,用户在交通信息的接受程度上是异质的;考虑到装有ATIS的用户并不总是遵循ATIS的建议,因此,引入信息遵从率这一参数,将所有用户分为三类:安装并遵从信息、安装但不遵从信息和不安装的用户;均按照随机用户均衡的方式进行择路,但对出行时间有不同的感知。同时考虑存在道路收费的情形下,用户在时间价值上是异质的。综合考虑交通信息与道路收费的影响,基于用户两方面的异质性,对其进行合理分类,构建了多用户多准则的混合随机均衡模型及其等价的变分不等式;当收费不作为系统总成本的一部分时,建立了时间准则与费用准则下的系统最优模型;在此基础之上,分别研究了两种准则下混合均衡相对于系统最优的效率损失,给出了效率损失上界,并进一步分析了效率损失上界与各参数间的关系;交通管理者可以从道路收费策略的实施、信息诱导系统的完善等角度进行路网的改造和优化设计。

考虑混合需求不确定性的电力-交通耦合网络最优定价策略

随着电力网与交通网融合的不断加深,研究如何制定有效策略来优化整体系统具有重要意义。依托变分不等式,提出计及混合需求不确定性的电力–交通耦合网络最优定价策略,以引导系统在不确定风险下实现最优运行状态。首先研究了促进交通系统最优运行的路段拥堵收费策略,从理论上说明该策略能够引导和改变用户的行为,实现系统的最优运行状态。其次,提出耦合网络的最优定价模型,并推导其等价变分不等式形式。在此基础上,提出考虑混合需求不确定性的电力–交通耦合网络鲁棒定价模型及其等价变分不等式形式,从而将复杂鲁棒优化问题转化为变分不等式问题进行求解,为电力–交通耦合网络的复杂鲁棒优化问题提供新的解决思路。最后,仿真基于耦合测试系统,验证了所提方法的有效性。

ATIS影响下的混合随机用户均衡交通分配模型研究

在考虑信息对出行者路径选择行为影响的基础上,基于路网混合随机用户均衡建模理论,建立了ATIS影响下的混合随机用户均衡交通分配模型,证明了该数学规划模型解的等价性,设计了求解算法,并利用算例进行了计算分析.

通行能力退化路网中考虑ATIS信息影响的混合随机用户均衡模型研究（英文）

先进的出行者信息系统(简写ATIS)不仅能帮助出行者获取更准确的交通时间信息,还能提高出行者在面对路网通行能力下降等随机事件时的应急和实时调整能力。本文提出了一类新的混合随机用户均衡模型,用以描述在通行能力随机退化的路网中,装备ATIS和未装备ATIS两类出行者各自的路径选择行为和由此形成的路网交通流均衡状态。在提出的模型中,ATIS向出行者提供交通信息的优势体现在路网流量均衡分布状态的随机性更低,而ATIS对出行者适应路网能力随机退化的强化优势,则通过路网流量的多均衡态加以体现。论文将该混合随机用户均衡模型表示成一个关于混合路径流量的不动点问题,并设计了一类迭代求解算法。通过数值算例,论文分析了模型的相关数学特性,并验证了迭代算法的求解效率。

基于搜索数据的用户基本属性混合预测模型研究

大数据时代必然会导致"信息过载(information overload)"现象,企业如何在海量的用户行为数据中准确判断用户属性,是精准营销等领域值得思考的问题。特别是在搜索领域,搜索公司几乎无法获得用户的真实属性信息,但用户的基本属性很大程度上可以影响到用户查看不同广告的可能性。基于背景,利用Doc2Vec、TF-IDF算法对搜索数据进行特征提取,并借助机器学习算法、XGBoost算法构建了用户基本属性混合预测模型,并对模型的准确性进行了检验。

混合业务下的电力线通信资源优化分配

充分利用电力线频带资源、提高网络中用户各种业务的服务质量是宽带电力线通信系统的重要目标。讨论了功率谱密度限制条件下正交频分复用(orthogonal frequency division multiplexing,OFDM)系统中多用户混合业务资源优化分配问题,提出一种低复杂度的分配算法。首先,利用相对差额分配算法为用户实时业务进行资源分配以保证服务质量(qualityofservice,QoS);然后对非实时性业务采用比例公平算法分配剩余资源;最后利用比特削减算法控制总的发射功率。在典型电力线信道环境下进行了仿真,结果表明:与已有算法相比,所提出的算法可以有效地保证实时业务的服务质量并在兼顾公平性原则的前提下提高系统的总吞吐量,且具有较低的复杂度;同时,该算法满足电力线通信系统总发射功率和功率谱密度限制的双重约束条件要求,符合宽带电力线通信的要求。

面向新型混合交通流的智能交叉口网络布局优化

考虑网联自动驾驶车辆(Connected Autonomous Vehicle,CAV)应用先进的车联网与自动驾驶技术,可以采用智能交叉口的组织形式,大幅提升交叉口的通行效率,为降低CAV与人工驾驶车辆(Human-driven Vehicle,HV)混行条件下城市交通系统的整体出行成本,提出智能交叉口在城市交通网络中的布局优化问题,建立数学优化模型并求解。首先,基于对两类车辆行驶特性的分析,建立混合用户均衡模型,描述CAV与HV的路径选择行为;其次,从交通规划者的角度,以系统最优为目标,整合混合用户均衡模型,建立面向新型混合交通流的智能交叉口网络布局优化模型,并利用改进的遗传算法求解;最后,选取Sioux-Falls交通网络作为案例分析,验证模型与算法的有效性,并研究CAV渗透率变化对优化结果的影响。研究表明,智能交叉口在城市路网中的合理规划极大地提高了新型混行场景下城市交通系统的出行效率,同时,大幅降低了由于网联自动驾驶单方面技术优势带来的CAV与HV的出行效率差距,增进了出行公平性。

灾后ATIS对城市道路交通网络韧性的影响

灾后先进出行者信息系统(advanced traveler information system,ATIS)能及时为使用者提供交通信息,而非ATIS使用者只能根据自身历史经验调整路径。为了探究两类用户混合情景下的路网韧性,在韧性评价中引入了动态时间维度,构建了两类用户混合日变动态配流模型,提出了基于历史流量的ATIS信息预测方法,并设计了模型求解算法。算例分析表明,所提出的ATIS信息预测方法与经典的ATIS信息预测方法相比,在研究时域内,前者支持下的平均路网韧性值相比后者提升了2.48%;针对路网韧性最优,最佳的ATIS市场占有率约为30%;当ATIS市场占有率为50%、75%、100%时,增大ATIS信息误差可提升路网韧性值,但当市场占有率为25%时,ATIS信息误差增大将导致路网韧性值降低。

移动群智感知中基于协同排序的任务推荐方法

针对移动群智感知中参与者积极性不高导致的数据质量低和激励成本高的问题,本文提出了一种基于混合用户模型与列表级排序学习算法相结合的协同排序任务推荐方法.根据参与者的历史行为对其进行分析,初步过滤掉一些劣质感知用户,同时利用参与者间的相似性构建混合用户模型.利用概率矩阵分解对参与者的意愿值进行预测,并根据排序学习得到一个排序模型.根据排序模型生成任务推荐列表,作为目标参与者的优选任务列表.基于真实数据集的仿真实验结果表明,本文提出的方法有效地提高了任务分配的准确率,与此同时减少了感知用户的移动距离.

不确定供给对诱导系统均衡市场渗透率的影响

为分析路段容量的降级程度对诱导系统均衡市场渗透率的影响,将出行者划分为"有ATIS接收装置用户"和"无ATIS接收装置用户".在一定的行程时间可靠性需求下,假定两类用户均基于行程时间预算选择路径,利用不确定性网络混合随机用户均衡建模理论,依据同一OD对之间两类用户的平均预算行程时间差建立了均衡市场渗透率模型,并设计了求解模型的启发式算法.通过测试网络讨论了信息质量、容量降级程度及需求水平对均衡市场渗透率的影响.研究结果表明,在不确定网络中更易产生集中现象,信息质量的改善不一定能提高市场渗透率,要取决于整个网络的拥堵状况.

基于变分不等式理论的电力–交通耦合网络均衡状态研究

随着能源网络的发展,电力系统与交通系统逐步呈现出深度融合的形式。为了研究耦合两网相互作用机理并描述其达到的平衡状态,该文基于变分不等式理论,提出研究电力–交通耦合网络均衡描述的数学理论框架。针对数学建模方面,首先定义交通网侧的混合用户均衡状态。其次,提出含二阶锥约束的变分不等式形式以描述配电网最优潮流问题。在此基础上,建立变分不等式数学框架来描述耦合电力–交通系统的网络均衡状态。进一步地,为了对耦合网络均衡解进行定性分析,依托变分不等式框架给出研究均衡解存在性和唯一性的理论方法。最后,为有效求解复杂的网络均衡问题,设计基于松弛改进的投影–收缩算法,并借助变分不等式有关性质给出算法的最优性和收敛性证明。仿真算例验证了所提模型、框架及求解算法的有效性。

考虑时–空耦合的城市电力–交通网络动态流量均衡

随着智慧城市的发展,电动汽车渗透率不断提高,加剧了电力网和交通网在时间和空间上的深度耦合。在该背景下,该文致力于研究电力–交通网的时–空耦合机理和建模问题,提出合理数学框架以描述两网互相作用达到的动态均衡状态。对于交通网,采用双向波动态模型描述交通流随时间和空间的演变过程;基于此,提出动态充电站模型以捕捉电动汽车的充电排队过程。其次,引入有限维变分不等式,定义含电动汽车及其他汽车不同决策的混合动态用户均衡。对于配电网,采用基于二阶锥松弛的交流最优潮流模型,推导在含充电负荷情况下的强对偶条件以保证节点边际电价的准确性。最后,基于不动点映射理论,分析耦合网络流量的动态均衡机理并设计不动点迭代算法求解。仿真算例验证所提模型、框架及求解算法的有效性。

信息诱导对降级路网运行效率的影响

为考察信息对降级路网运行效率的影响,将出行者根据有无ATIS接收装置划分两类。采用路网混合均衡建模方法构建了信息影响下的混合均衡变分不等式模型,并设计了模型求解的启发式算法。采用一个测试网络开展了仿真研究。结果表明,无论路网降级程度大小,要想使路网运行效率维持在较高水平,ATIS的市场渗透率和提供信息的质量水平都应控制在一个合理的范围内。

具有随机充电需求的混合动态网络平衡模型

考虑电动汽车用户在途随机充电需求,基于随机充电行为及充电排队仿真构建了混合用户平衡模型。在电动汽车不同初始电量状态及市场占有率下,预测了网络平衡交通流和可能充电需求流的变化趋势。利用Frank-Wolfe算法和多标号算法,以Nguyen-Dupius网络为例,设计了电动汽车充电排队仿真的平衡交通流预测模型,本文研究结果可为交通管理者提供科学参考。