融合人智能评价的交互式遗传算法(Interactive genetic algorithm,IGA)可有效解决定性性能指标优化问题。然而,目前已有的工作均要求用户显式评价,严重限制了其解决实际问题的能力。本文研究基于人-机交互行为,隐式感知用户偏好的交互遗传算法,并将其应用于个性化搜索中。主要研究内容包括以下3个方面:(1)针对用户显式评价导致用户疲劳,进而限制交互式遗传算法搜索性能的问题,研究基于用户交互行为和条件偏好网络(Conditional Preference networks,CP-nets)的隐式评价模式的交互式遗传算法。首先,给出用户可能进行的人机交互行为类的数学描述,建立基于用户少量交互行为的条件偏好网络CP-nets模型,作为用户的认知偏好模型;然后,利用CP-nets模型,获得用户的评价偏好,以估计大规模进化个体的适应值;基于用户评价和个体相似度,实时更新呈现给用户评价的进化个体顺序,以辅助用户尽快找到满意解。将所提算法应用于心理学图书个性化搜索中,结果验证了算法的有效性。(2)用户在交互式遗传算法中,用户的偏好和评价具有不确定性,那么,不考虑该不确定性的基于用户偏好模型的个体适应值估计,往往会偏离用户真实的评价信息,因此,本文进一步提出含用户评价不确定的偏好感知交互式遗传算法。首先,基于用户行为,利用高斯函数描述用户评价的不确定性,以获取更精确的用户偏好;同时,根据用户偏好的不确定特点,建立含有不确定信息的CP-nets。然后,利用该模型估计进化个体的适应值,并用于进化计算;最终,将最接近用户偏好的个体呈现给用户。将所提算法应用到心理学图书个性化搜索中,并与已有典型算法比较。实验结果表明,该算法在减少用户评价不确定性、减轻用户疲劳和提高搜索效率等方面具有优越性。(3)基于MFC和SQL Server 2005技术,开发心理学图书个性化搜索系统。首先利用SQL Sever 2005实现心理学图书数据的储存和偏好网络的实现问题。其次利用MFC搭建系统框架和实现对心理学图书数据的读取和显示。为方便对算法的运行和修改,设计进化类以实现算法。该系统不仅为验证本文方法提供了实验平台,同时也为图书的搜索提供了一种新的途径。