| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第14-16页 |
| 1 绪论 | 第16-23页 |
| 1.1 研究动机 | 第17-18页 |
| 1.2 研究目标 | 第18-19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 研究方法 | 第20-21页 |
| 1.5 研究成果及意义 | 第21-22页 |
| 1.6 论文结构 | 第22页 |
| 1.7 本章小结 | 第22-23页 |
| 2 相关研究工作 | 第23-33页 |
| 2.1 交互式进化优化算法 | 第23-27页 |
| 2.2 用户偏好建模 | 第27-30页 |
| 2.3 个性化搜索 | 第30-32页 |
| 2.4 进化优化在个性化搜索中的应用 | 第32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于可能性条件偏好网络的不确定偏好感知交互式遗传算法及其应用 | 第33-51页 |
| 3.1 算法背景 | 第33-34页 |
| 3.2 相关工作 | 第34-36页 |
| 3.3 IGA-PCP算法框架 | 第36页 |
| 3.4 基于交互行为的用户偏好不确定性表示 | 第36-39页 |
| 3.5 基于不确定偏好权重的可能性条件偏好网络的构建 | 第39-43页 |
| 3.6 基于可能性条件偏好网络的交互式遗传算法 | 第43-44页 |
| 3.7 IGA-PCP算法的应用 | 第44-50页 |
| 3.8 本章小结 | 第50-51页 |
| 4 基于群智行为的不确定偏好感知交互式遗传算法及其应用 | 第51-68页 |
| 4.1 算法背景 | 第51-52页 |
| 4.2 相关工作 | 第52页 |
| 4.3 IGA-GPCP算法框架 | 第52-53页 |
| 4.4 群体偏好信息的识别与表达 | 第53-56页 |
| 4.5 融入群体信息的单用户不确定偏好模型 | 第56-62页 |
| 4.6 个体适应值估计及算法实现 | 第62页 |
| 4.7 IGA-GPCP算法的应用 | 第62-67页 |
| 4.8 本章小结 | 第67-68页 |
| 5 算法实现的原型平台设计 | 第68-79页 |
| 5.1 相关技术简介 | 第68-69页 |
| 5.2 原型系统简介 | 第69-70页 |
| 5.3 原型系统平台设计 | 第70-78页 |
| 5.4 本章小结 | 第78-79页 |
| 6 总结 | 第79-81页 |
| 6.1 本文工作 | 第79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-88页 |
| 作者简历 | 第88-90页 |
| 学位论文数据集 | 第90页 |
