代理模型和Kalman滤波偏差估计增强的个性化差分进化算法
孙晓燕1
李帅2
金耀初3
1.江南大学人工智能与计算机学院,江苏无锡 2141222.中国矿业大学信息与控制工程学院,江苏徐州 2211163.西湖大学工学院,浙江 杭州 310000
摘要：基于用户交互的进化优化算法可有效提高个性化推荐的性能,但已有研究忽略了编码个体与解码样本间的偏差,往往导致算法搜索方向出现较大偏离,搜索效率低;此外,用户交互评价的定量化表示也是较大挑战.针对此,本文提出了融合Kalman滤波偏差估计和代理模型的个性化差分进化算法.首先,构建了基于用户评价、商品属性等的深度信念网络代理模型,实现对用户交互的定量评价;然后,设计Kalman滤波偏差估计器,跟踪进化过程中基因型和表现型之间的偏差,并基于该偏差设计差分进化算子,改变种群分布并引导搜索方向;最后,将该算法应用于亚马逊个性化搜索数据集,验证了其有效性.
关键词：个性化搜索差分进化算法Kalman滤波器代理模型偏差估计
论文发表日期：2025-11-30
在线出版日期：2025-12-29（本平台首次上网日期，不代表文献的发表时间）
页数：11( 2386-2396 )
英文信息