交互式遗传算法可有效解决定性性能指标优化问题,但该类算法需要用户参与进化过程,对进化个体进行显式评价,严重限制了其解决实际问题的能力。为此,基于人-机交互行为,隐式感知用户偏好的交互式遗传算法,得到了关注和发展。本文研究分别基于单用户和群体智能行为引导的不确定偏好感知交互式遗传算法,给出基于不确定偏好感知的可能性条件偏好网络,以及基于该网络的个体适应值估计,本文研究内容具体包括以下三点:(1)基于可能性条件偏好网络的个体行为引导的不确定偏好感知交互式遗传算法。首先,分析单用户交互行为以及行为的可信度,得到描述可信行为的数学表达式;建立基于历史信息、当前用户行为信息的可能性条件偏好网络,用于量化基于可信行为的当前用户含不确定性的偏好表示;基于含有不确定性的条件偏好网络计算个体适应值,实施进化优化操作,实现基于个体行为的偏好感知交互式遗传算法。将算法应用于心理学图书个性化搜索中,验证算法的有效性。(2)基于群智行为的不确定偏好感知交互式遗传算法。首先,借鉴协同过滤推荐系统中相似用户群体对单用户的偏好引导机制,基于用户输入的关键词,寻找相似群体用户,给出相似用户的衡量准则;进而提取相似群体用户的行为偏好信息,基于研究内容(1)的工作,建立群体用户的可能性条件偏好网络,以表示群体用户行为的偏好;将相似群体用户偏好信息融入单用户的条件偏好网络中,进而得到融入群智行为信息的可能性条件偏好网络;然后根据单用户交互过程中用户交互行为信息及相似群智行为信息更新可能性条件偏好网络,进一步更新群体偏好信息;根据偏好网络计算个体适应值,实施进化优化操作。将算法应用于心理学图书个性化搜索中,验证算法的有效性。(3)基于偏好感知交互式遗传算法的心理学图书个性化搜索的原型平台设计。根据研究内容(1)和(2)的算法实现,完成对搜索系统的设计和改进。首先,根据算法框架,确定系统的模块功能、运行流程以及搭建工具;其次,根据本文提出的算法,对系统各个模块进行改进完善;最后完成原型系统的实验仿真。