基于Agent的用户偏好决策模型及其应用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (25): 11-14.

基于Agent的用户偏好决策模型及其应用

张成，魏法杰，贾素玲

北京航空航天大学经济管理学院信息管理与信息系统专业，北京 100083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-01 发布日期:2007-09-01
通讯作者: 张成

User preference decision model based on agent and its application

ZHANG Cheng，WEI Fa-jie，JIA Su-ling

Department of Management Science and Economics，Beihang University，Beijing 100083，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-01 Published:2007-09-01
Contact: ZHANG Cheng

摘要/Abstract

摘要： 智能体及其组成的智能体系统是人们解决用传统方法难以解决的复杂问题的一个新途径，以复杂适应系统、智能体系统等理论为指导，吸取了智能体强化学习的基本原理，提出了一种基于智能体的用户偏好决策模型，并将其成功应用在互联网搜索中，不仅提高了搜索的质量，同时具有一定的创新性。

关键词: 智能体, 强化学习, 偏好决策

Abstract: Agent system is a new method for resolving complex problems that traditional approaches are hard to resolve.According to complex adaptive system and agent system theories，the article provides a user preference decision model based on agent and reinforcement learning principle.The model is applied in internet research area which not only improve the quality of research but also earn its innovation value.

Key words: agent, reinforcement learning, preference decision

张成，魏法杰，贾素玲. 基于Agent的用户偏好决策模型及其应用[J]. 计算机工程与应用, 2007, 43(25): 11-14.

ZHANG Cheng，WEI Fa-jie，JIA Su-ling. User preference decision model based on agent and its application[J]. Computer Engineering and Applications, 2007, 43(25): 11-14.

[1]	张鑫，张席. 优先状态估计的双深度Q网络[J]. 计算机工程与应用, 2021, 57(8): 78-83.
[2]	伍京华，吴学桥. 基于Agent的改进贴近度的多属性评价模型[J]. 计算机工程与应用, 2021, 57(5): 65-70.
[3]	王晓，唐伦，贺小雨，陈前斌. 基于深度强化学习的服务功能链多维资源优化[J]. 计算机工程与应用, 2021, 57(4): 68-76.
[4]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[5]	赖俊，魏竞毅，陈希亮. 分层强化学习综述[J]. 计算机工程与应用, 2021, 57(3): 72-79.
[6]	马志豪，朱响斌. 拟双曲动量梯度的对抗深度强化学习研究[J]. 计算机工程与应用, 2021, 57(24): 90-99.
[7]	李宝帅，叶春明. 深度强化学习算法求解作业车间调度问题[J]. 计算机工程与应用, 2021, 57(23): 248-254.
[8]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[9]	李振涛，冯元珍，王正新. 事件触发下多智能体系统固定时间二分一致性[J]. 计算机工程与应用, 2021, 57(21): 80-86.
[10]	成怡，郝密密. 改进深度强化学习的室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(21): 256-262.
[11]	况立群，李思远，冯利，韩燮，徐清宇. 深度强化学习算法在智能军事决策中的应用[J]. 计算机工程与应用, 2021, 57(20): 271-278.
[12]	孔松涛，刘池池，史勇，谢义，王堃. 深度强化学习在智能制造中的应用展望综述[J]. 计算机工程与应用, 2021, 57(2): 49-59.
[13]	李浩，宁浩宇，康雁，梁文韬，霍雯. 针对文本情感转换的SMRFGAN模型[J]. 计算机工程与应用, 2021, 57(2): 170-176.
[14]	张荣霞，武长旭，孙同超，赵增顺. 深度强化学习及在路径规划中的研究进展[J]. 计算机工程与应用, 2021, 57(19): 44-56.
[15]	杨薛钰，陈建平，傅启明，陆悠，吴宏杰. 基于随机方差减小方法的DDPG算法[J]. 计算机工程与应用, 2021, 57(19): 104-111.