公开(公告)号：CN114202387A

公开(公告)日：2022-03-18

申请号：CN202111551750.4

申请日：2021-12-17

Applicant: 安徽大学

Inventor： 田野 ,  郑威 ,  张亚杰 ,  张兴义

IPC: G06Q30/06 ,  G06F9/50 ,  G06N3/12

Abstract: 本发明公开了一种基于大规模进化算法的商品推荐方法，包括：1、构建商品推荐的多目标优化模型；2、初始化N个商品推荐模式作为初始种群，并给定初始参数值；3、在遗传算法中添加受限玻尔兹曼机RBM来学习Pareto最优子空间，将在Pareto最优子空间中产生的子代与采用NSGA‑II算法产生的子代合并形成子代种群；4、将子代种群与父种群合并后进行环境选择，生成新的个体种群，并自适应调整参数，直至达到终止条件时停止迭代；5、将最终种群中处于Pareto最优的个体作为商品推荐方案进行推荐。本发明能降低大规模商品推荐问题的搜索空间，从而减少寻找最优商品推荐方案所耗费的时间，并使商品推荐方案呈现多样性。

公开(公告)号：CN114202387B

公开(公告)日：2024-02-20

申请号：CN202111551750.4

申请日：2021-12-17

Applicant: 安徽大学

Inventor： 田野 ,  郑威 ,  张亚杰 ,  张兴义

IPC: G06Q30/0601 ,  G06F9/50 ,  G06N3/126

Abstract: 本发明公开了一种基于大规模进化算法的商品推荐方法，包括：1、构建商品推荐的多目标优化模型；2、初始化N个商品推荐模式作为初始种群，并给定初始参数值；3、在遗传算法中添加受限玻尔兹曼机RBM来学习Pareto最优子空间，将在Pareto最优子空间中产生的子代与采用NSGA‑II算法产生的子代合并形成子代种群；4、将子代种群与父种群合并后进行环境选择，生成新的个体种群，并自适应调整参数，直至达到终止条件时停止迭代；5、将最终种群中处于Pareto最优的个体作为商品推荐方案进行推荐。本发明能降低大规模商品推荐问题的搜索空间，从而减少寻找最优商品推荐方案所耗费的时间，并使商品推荐方案呈现多样性。