| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 服务组合中顾客个性化需求获取方法研究现状 | 第9-10页 |
| 1.2.2 贝叶斯网络研究现状 | 第10-11页 |
| 1.2.3 服务选择优化方法研究现状 | 第11-12页 |
| 1.2.4 人工蜂群算法研究现状 | 第12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 第2章 BIRIS下顾客个性化需求及服务特征分析 | 第14-19页 |
| 2.1 BIRIS服务模式及服务组织方式 | 第14-15页 |
| 2.2 顾客个性化需求及服务特征分析 | 第15-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 人工蜂群算法及其收敛性分析 | 第19-25页 |
| 3.1 人工蜂群算法基础 | 第19-22页 |
| 3.2 人工蜂群算法收敛性理论分析 | 第22-24页 |
| 3.3 本章小结 | 第24-25页 |
| 第4章 基于贝叶斯网络的个性化服务特征发现 | 第25-39页 |
| 4.1 贝叶斯网络基本理论 | 第25-26页 |
| 4.2 基于贝叶斯估计的贝叶斯网络参数学习 | 第26-30页 |
| 4.3 基于贝叶斯评分的贝叶斯网络结构学习 | 第30-34页 |
| 4.3.1 贝叶斯评分函数 | 第30-31页 |
| 4.3.2 基于贝叶斯评分和K2 算法的贝叶斯网结构学习 | 第31-32页 |
| 4.3.3 基于贝叶斯评分和人工蜂群算法的贝叶斯网结构学习 | 第32-34页 |
| 4.4 实验与分析 | 第34-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 基于改进人工蜂群算法的服务选择 | 第39-58页 |
| 5.1 服务质量评价机制及其聚合方式 | 第39-40页 |
| 5.2 多目标优化问题 | 第40-41页 |
| 5.3 服务选择问题数学模型 | 第41-42页 |
| 5.4 面向服务选择问题的改进单目标人工蜂群算法 | 第42-45页 |
| 5.4.1 改进的邻域搜索策略 | 第42-43页 |
| 5.4.2 单目标人工蜂群算法设计 | 第43-45页 |
| 5.5 面向服务选择问题的改进多目标人工蜂群算法 | 第45-53页 |
| 5.5.1 改进的邻域搜索策略 | 第45-47页 |
| 5.5.2 多目标人工蜂群算法设计 | 第47-53页 |
| 5.6 实验与分析 | 第53-57页 |
| 5.6.1 改进单目标人工蜂群算法实验分析 | 第54-55页 |
| 5.6.2 改进多目标人工蜂群算法实验分析 | 第55-57页 |
| 5.7 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65页 |
