一、Kemeny社会选择函数的一种改进算法（论文文献综述）
曾俊威,付晓东,岳昆,刘骊,刘利军,冯勇[1]（2020）在《面向误差最小化的在线服务信誉度量》文中认为由于每个在线服务可以通过其自身的真实质量被客观比较,存在潜在的真相服务排序。为了使用户进行服务选择时有真实客观的在线服务信誉排序作为参考,服务信誉应当尽可能地接近真相服务排序。提出一种面向误差最小化的在线服务信誉度量方法。该方法将用户对服务的偏好排序视为对真实服务排序的带噪估计,利用Kendall tau距离指标来衡量服务排序与真相排序之间的误差,通过设定真相与用户对服务的偏好排序集合之间的平均误差上限找出可能的真相服务排序,寻找与可能的真相服务排序集合之间平均误差最小的服务排序作为服务信誉。由于所有的服务排序都有可能为真相排序,造成了该方法的计算困难,利用分支切割法对该方法进行优化求解。以真实数据集和模拟数据集为基础,通过实验验证了该方法在保证运行效率的同时得到与真相误差更小的信誉度量结果。
杨柳[2]（2019）在《一种基于社会选择理论的评分集结方法研究》文中进行了进一步梳理评价广泛存在于我们的生活之中,凡是涉及到价值判断的过程,就会产生各种形式的评价。而评价结果本身则是评价者向大众传达自身的价值判断的一个媒介。随着互联网的兴起,以在线评分为主的评价方式受到了大众群体的喜爱,其数量更是呈爆发式增长,与此同时日益增长的还有大众对评分信息参考价值的依赖。但是评分数量的剧增也逐渐暴露出两个问题:首先,由于评分者认知等各方面的差异,每个人对于评分标准的理解是不相同的,相同的分数传递出的信息可能并不相同,那么不同评分者给出的评分就不能直接进行比较,而传统的方式直接将所有评分加总或是平均来作为最终的评价结果,这样很可能给大众传递出误导性的信息;其次,由于目前在评分层面无法识别出背后的评分者,所以所有的分数都是一视同仁,直接进行加总或平均,这样就很难抵御恶意评分的发生,最后的评价结果也就容易被操纵。针对评分标准不一致和操纵评分的问题,本文提出了一种基于社会选择理论的评分集结方法。社会选择理论所研究的社会选择问题是将社会成员的偏好集结为社会总偏好,而评价问题是将评分者的评分集结成总的评价结果,所以通过将评分的大小转变为偏好的顺序,评价问题也就变成了社会选择问题。由于将评分转化为了偏好,评分数值不再具有绝对意义,不同评分者给出的评分不可比的问题也就迎刃而解了。为了能够使社会选择函数适用于普遍的评价问题,本文在原Schulze法的基础上将具体的计算步骤做了相应的改进,引入Borda分从而降低了对评分数据完整性的要求,从而使其能够广泛适用各种评价场景,同时在计算过程中加入了平均分,尝试了评分基数性和序数性的结合。并通过数理化证明了该方法满足传递性、帕累托性、中立性,不满足多数准则,这就使得部分恶意评分很难直接操纵评价结果,刷分等现象也会因此得到缓解。最后通过两个实例结果说明,本文提出的方法不仅能够更好地适用评分缺失的情况,且评价得到的排序结果相较于现在通用的方法更能准确反映评分者的偏好和意愿。
王思露[3]（2019）在《基于Ⅰ-NSGA-Ⅲ的电力系统高维目标潮流优化及其决策支持》文中研究指明多目标最优潮流在电力系统运行研究中受到了越来越多的关注。目前,多目标最优潮流方面的研究大多只考虑了发电成本、污染物排放、有功损耗等方面的两到三个目标函数。随着人们对电力依赖程度的增强,对电能质量要求的提高以及电力系统的发展,电力公司有必要并且也有能力在电力系统运行优化时考虑更多方面的优化目标,从而使得电力系统多目标最优潮流问题逐渐演变成高维目标最优潮流问题（优化目标函数通常多于3个,记为Ma-OPF问题）。本文围绕电力系统Ma-OPF及其决策支持的相关问题开展研究工作,主要内容如下:首先,将多目标潮流优化扩展为Ma-OPF问题,以最小化发电成本、污染物排放、电压偏差、有功损耗和L-指标为例建立Ma-OPF问题数学模型。进一步,结合针对高维目标优化问题的NSGA-Ⅲ,提出改进的NSGA-Ⅲ（Ⅰ-NSGA-Ⅲ）求解Ma-OPF问题模型。Ⅰ-NSGA-Ⅲ采用淘汰机制减少环境选择操作的次数,并引入自适应淘汰策略和边界点与近点保留策略以获得种群多样性。通过IEEE 30/57/118节点系统的不同案例验证所提算法的可行性与有效性,结果表明在求解Ma-OPF问题上,Ⅰ-NSGA-Ⅲ比NSGA-Ⅲ具有更好的性能。其次,针对电力系统分层分区管理的现状,提出基于分布式潮流计算（DPLC）的Ma-OPF方法。基于节点撕裂和线路断开的方法建立简单的分布式潮流计算模型;以边界节点电压和功率平衡为决策变量和目标函数,将潮流计算问题转化为优化问题;结合每个区域的潮流计算结果采用模式搜索算法实现优化问题的求解,从而实现分布式潮流计算的求解;进而结合分布式潮流计算和Ⅰ-NSGA-Ⅲ算法实现分区管理的电力系统Ma-OPF。基于I7EE 30/39/118节点系统和贵州省某区域电网的多个仿真案例验证了DPLC和基于DPLC的Ma-OPF的效果。最后,以Ma-OPF的Pareto解集为备选方案集,以优化目标为多属性,提出电力系统多属性群决策问题。考虑专家权重,结合TOPSIS法和Cook-Seiford社会选择函数提出0-1规划决策、分组决策和聚类决策三种群决策方法。与专家排序结果的对比验证了所提决策方法结果的合理性。进一步,基于MATLAB平台,建立电力系统高维目标潮流优化与决策支持系统,完成电力系统高维目标潮流优化与决策支持的一体化流程,实现人机交互。
朱明强[4]（2019）在《基于Slater社会选择理论的在线服务评价方法研究与实现》文中认为近些年来,伴随着互联网的飞速发展与进步,使得以互联网为载体的在线服务数量和种类大量增加。目前在线服务已经在网上订餐、电子商务、网络购物、在线招聘、在线学习等领域迅速普及并得到广泛应用。因为不同的用户具有不同的消费心理、消费背景等,所以用户使用在线服务的过程中,致使用户偏好不一致以及评价准则不一致,从而导致用户对服务之间的评分无法比较。为了帮助用户迅速地选择符合需求的在线服务,需要一种客观的在线服务评价方法,通过该方法得到的在线服务评价结果,必须能够保证对在线服务评价的真实性、可靠性。针对上述问题,本文采用了一种基于Slater社会选择理论的在线服务评价方法,根据用户服务偏好对在线服务进行群体评价,从而帮助用户选择符合需求的在线服务。Slater方法的总体思路是:首先,利用协同过滤算法将稀疏的评分矩阵进行填充,使其数据完整;其次,根据填充后的评分矩阵计算每个用户对在线服务的偏好关系,得到服务-服务评价矩阵;再次,根据服务-服务评价矩阵得到服务优先队列表,根据服务优先队列表构造以服务为节点、以优先关系为有向边的有向图;最后,根据得到的有向图获得节点排序,具体步骤是:根据相似集、前集、后集的定义,在有向图中寻找相似集、前集、后集,并根据三者之间的关系:前集相似集后集以及三者内部节点的关系,节点的先后排序即服务的优劣排序,由此最终得出在线服务的排序。文中通过理论证明和相关对比实验证明了本文Slater方法得到的评价结果满足孔多塞性、单调性、反对称性和抗操纵复杂性等,从而验证了该方法的可靠性。根据需求分析,基于本文中的Slater方法设计并实现了在线服务评价原型系统,并对孔多塞性、单调性、抗操纵性等评价指标进行验证,以一种可视化的方式向用户展现了在线服务评价结果,可以有效地帮助用户选择合适的在线服务。
郑苏苏[5]（2018）在《基于Kendall tau距离的在线服务信誉度量方法研究与实现》文中研究指明随着互联网的发展和普及,传统的商业环境向开放、共享、多元的面向在线服务方式转化。在线服务在电子商务、企业经营、管理等领域起到越来越重要的作用,互联网上可供用户选择的在线服务越来越多,同时,用户也需要花费更多的时间和精力来寻找自己需要的服务:一方面,在线服务数量庞大,使得用户不可能与每个在线服务都具有交互的经验,用户也不可能获得每个在线服务的完整信息。另一方面,由于网络环境下允许匿名交互而彼此之间又不直接接触,某些用户或在线服务提供者可能对服务提供不真实的评价信息。因此,用户通常需要借助以第三方观点为基础形成的在线服务信誉为辅助进行服务选择。在开放和动态的在线网络环境中,不同用户具有不同的消费爱好和消费历史,他们对在线服务的偏好是不同的,导致不同用户对同一服务的评分不具备可比较性。不考虑用户偏好的信誉机制难以得到客观的服务信誉,得到的服务信誉必然是不客观的,甚至会出现误导消费者选择的结果。因此,本文充分考虑的不同用户对服务的偏好,提出了基于Kendall tau距离的在线服务信誉度量方法,方法首先定义距离指标以衡量两个评分向量之间的一致性,然后将在线服务信誉度量建模为寻找一个与用户-服务评分矩阵距离最小的信誉向量的最优化问题,最后采用模拟退火算法来求解该优化问题,将得到的信誉向量作为服务信誉。论文在不假定用户偏好相同的情况下,以用户评分作为基础,通过Kendall tau距离度量方法得到同一用户对不同在线服务的偏好关系,集结这些偏好关系最终得到服务信誉。由于同一理性用户的评分是可以比较的,这就解决了上述不同用户评分不具备可比较性的问题。通过考虑用户对不同服务评分的关系,提高了信誉机制的抗操纵性,降低了对信誉操纵的风险,将与用户-服务评分矩阵距离最小的信誉向量作为服务信誉,满足大多数用户的偏好,并且在一定程度上提高了信誉度量的效率。理论分析及实验验证了该方法的合理性和有效性。最后,根据本文中提出的信誉度量方法,设计并实现了基于Kendall tau距离的在线服务信誉度量系统。
李威,付晓东,刘骊,刘利军[6]（2017）在《基于社会选择理论的在线服务评价》文中研究说明用户评价标准不一致和偏好不一致导致网络空间中的在线服务之间不具备公正的可比较性,从而用户难以选择到满意的在线服务,因此,提出了基于社会选择理论计算在线服务优劣的排序方法。首先,根据用户给出的用户-服务评价矩阵构建群体偏好矩阵;然后,基于群体偏好矩阵和Kemeny社会选择函数构建0-1整数规划模型;最后,通过求解该模型可得到服务的最优排序结果。该方法聚合个体偏好为群体偏好,决策符合群体大多数人的偏好且与个体偏好保持最大的一致性。通过理论分析和实验验证了该方法的合理性和有效性。实验结果表明,该方法能有效地解决在线服务之间的不可比较性问题,实现在线服务的优劣排序,并可以有效抵制推荐攻击,具有较强的抗操纵性。
李威[7]（2017）在《基于Kemeny社会选择理论的在线服务评价研究与实现》文中提出近年来,随着在线服务技术的逐渐成熟与完善,网络空间中上的在线服务数量急剧增多,完成相同或相似功能的在线服务也大量增加。用户面对服务优劣选择时,用户不可能将每个在线服务都互相比较后再产生交互;还有某些不法服务提供商提供虚假的服务信息和一些恶意用户提供了不真实的评价等,导致网络空间中的在线服务的质量参差不齐,使得用户难以从大量的服务中方便快捷的选择优质的在线服务。另一方面,用户在与在线服务产生交互的过程中,由于其消费背景、消费心理、消费爱好等因素的影响,使得用户主观偏好不一致,即用户对服务的评价准则和尺度不一致,甚至可能出现矛盾和冲突。然而,传统的在线服务评价方法并未考虑用户评价标准不一致的问题,均是同等地看待所有用户的评价,而且无法抵制恶意评价的攻击,因此,常常给用户带来误导性的服务选择决策。上述问题导致在线服务之间无法比较或者说不具备公平的可比较性,所以迫切需要一种客观公正的服务优劣排序方法可有效的辅助用户进行在线服务的优劣选择决策。针对用户评价标准不一致和偏好不一致导致网络空间中的在线服务之间不具备公正的可比较性,从而用户难以选择到满意的在线服务的问题,论文提出了基于社会选择理论计算在线服务优劣的排序方法。首先,根据用户给出的用户-服务评价矩阵构建群体偏好矩阵;然后,基于群体偏好矩阵和Kemeny社会选择函数构建0-1整数规划模型;最后,通过求解该模型可得到服务的最优排序结果。该方法聚合个体偏好为群体偏好,决策符合群体大多数人的偏好且与个体偏好保持最大的一致性。通过理论分析和实验验证了该方法的合理性和有效性。实验表明,该方法能有效地解决在线服务之间的不可比较性问题,实现在线服务的优劣排序,并可以有效抵制推荐攻击,具有较强的抗操纵性。此外,本文还根据提出的方法和模型,设计并实现了在线服务优劣评价系统。
张楠,陈荣,郭世凯[8]（2015）在《投票理论研究现状及其展望》文中研究表明社会选择理论是研究如何表达和聚合个体选择的一门学问。而社会选择理论与计算机科学的融合产生了称为计算社会选择的交叉学科,该学科成为社会计算的重要研究内容之一,在人工智能、经济和计算性理论领域引起了轰动。其一方面引入了复杂性分析和算法设计等计算机学科中常用的技术来对社会选择机制进行研究;另一方面也通过引入社会选择理论中的概念来推动计算机技术的发展,特别是在多智能体系统研究中有着成功的应用。投票理论是计算社会选择中最重要的研究主题之一。首先介绍常见的投票方法以及投票理论的形式化框架;再对投票理论中所关心的操纵问题做分析;然后介绍在组合域上的投票;最后对其他相关问题作简要介绍,并对该领域未来的发展与应用做出展望。
李保珍,卢海燕,马少辉[9]（2015）在《社会选择函数研究综述》文中研究说明社会选择函数是将个人偏好集结为社会性偏好的规则。当单个参与投票者提供的个人偏好信息表示为排序信息时,社会选择函数可以按照相应规则,将这些个人偏好排序综合为社会性的排序结果,以揭示集体性的选择倾向或形成合理的集体决策。本文基于社会选择的匿名性、中立性、Pareto最优等投票规则的性质及逐点、成对及三重等集结公理,分析了常用社会选择函数的分类及其典型社会选择函数的应用性评价,并针对社会选择的投票者多样、结果不唯一以及多目标冲突等特点及相关函数的研究局限,提出了确定投票者权重、权衡集结结果、利用群体智慧、以及优化计算复杂性等社会选择函数的可能研究方向。
王新伟[10]（2014）在《多阶段社会选择方法研究》文中指出社会选择问题的研究，是在个体偏好存在差异的情况下，如何整合这些个体偏好，使其集结成为群体偏好，或者说在尊重个体偏好条件下，如何对各种社会状态进行公平排序的问题。由于决策者对备选方案的偏好程度不同，以及每个决策个体之间存在着利益冲突，仅通过单一阶段的社会选择难以获得满足所有决策个体的结果。因此，为了快速、高效地集结群体最优方案，本文将多阶段决策思想引入到社会选择问题中。多阶段社会选择是对单一阶段社会选择的扩展，在多阶段社会选择过程中，个人偏好、备选方案、专家权重等因素都是动态变化的。本文在社会选择理论与多阶段决策方法的指导下，在决策过程中由多阶段拟合出最优专家权重，构建多阶段社会选择函数；再通过备选方案划分过程逆推一种多阶段排序方法。在决策过程与决策方法上同时扩展到多阶段，是因为多阶段能够更全面的分析决策信息，综合群体意见，集思广益，最终达成一致。在丰富多阶段群体决策的研究内容的同时，能够有效地指导实际选择过程，保证了决策群体利益，进而调动个体积极性，切实贯彻决策问题的执行。因此，将社会选择研究扩展到多阶段群体决策领域，具有重要理论和实际意义。针对社会选择过程和社会选择函数所做的相关研究，将群体决策问题从单一阶段拓展到多个阶段，不仅拓宽了群体决策的研究领域，同时也使得群体决策的研究内容更加丰富和全面。
二、Kemeny社会选择函数的一种改进算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Kemeny社会选择函数的一种改进算法（论文提纲范文）
（1）面向误差最小化的在线服务信誉度量（论文提纲范文）
| 1 问题描述 |
| 2 面向误差最小化的服务信誉度量 |
| 2.1 基于Kendall tau的服务排序误差度量 |
| 2.2 真相未知时的信誉度量 |
| 2.3 面向误差最小化的信誉度量 |
| 2.4 基于分支切割法寻找最优信誉向量 |
| 3 实验结果及分析 |
| 3.1 噪音对恢复真相的影响 |
| 3.2 误差上限取值对恢复真相的影响 |
| 3.3 操纵复杂性实验 |
| 3.4 较大规模数据集上的可行性 |
| 4 结束语 |
（2）一种基于社会选择理论的评分集结方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 研究背景 |
| (一)评价的普及与重要性 |
| (二)评价中出现的评价者差异问题 |
| 第二节 研究目的及意义 |
| 第三节 国内外研究现状 |
| (一)在线评价的影响因素 |
| (二)评分者的评分差异性 |
| (三)社会选择函数在评价中的应用 |
| 第四节 本文的创新点 |
| 第二章 社会选择理论 |
| 第一节 社会选择理论的定义 |
| 第二节 社会选择理论的发展历史 |
| (一)早期的投票理论 |
| (二)现代社会选择理论的形成 |
| 第三节 社会选择函数 |
| (一)Borda count |
| (二)Condorcet method |
| (三)Schulze method |
| (四)Kemeny–Young method |
| (五)社会选择函数的性质 |
| 第三章 基于Schulze函数改进的评分集结方法 |
| 第一节 问题与方法的定义 |
| (一)多维评价问题的定义 |
| (二)基于Schulze函数改进的方法的定义 |
| 第二节 算例分析 |
| 第三节 性质与证明 |
| (一)完备性(Completeness) |
| (二)传递性(Transitivity) |
| (三)帕累托性(Pareto) |
| (四)中立性(Neutrality) |
| (五)多数准则(Majority) |
| 第四章 评分案例应用 |
| 第一节 线下评分中的应用——教育评价中的成绩 |
| 第二节 线上评分中的应用 |
| 第五章 结论与展望 |
| 第一节 全文总结 |
| 第二节 本文的不足与展望 |
| 参考文献 |
| 致谢 |
（3）基于Ⅰ-NSGA-Ⅲ的电力系统高维目标潮流优化及其决策支持（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电力系统多目标潮流优化 |
| 1.2.2 分布式潮流计算 |
| 1.2.3 电力系统决策与群决策 |
| 1.3 主要研究内容和章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 章节安排 |
| 第二章 基于Ⅰ-NSGA-Ⅲ的电力系统高维目标潮流优化 |
| 2.1 高维目标潮流优化数学模型 |
| 2.1.1 高维目标优化问题 |
| 2.1.2 目标函数 |
| 2.1.3 约束条件 |
| 2.2 NSGA-Ⅲ概述 |
| 2.3 Ⅰ-NSGA-Ⅲ的改进 |
| 2.3.1 淘汰机制 |
| 2.3.2 自适应淘汰策略 |
| 2.3.3 边界点和近点保存策略 |
| 2.3.4 混合多约束处理机制 |
| 2.4 Ⅰ-NSGA-Ⅲ求解高维目标最优潮流的具体流程 |
| 2.5 算例分析 |
| 2.5.1 仿真算例 |
| 2.5.2 IEEE30测试系统算例分析 |
| 2.5.3 IEEE57/118节点测试系统算例分析 |
| 2.5.4 算法改进策略的有效性 |
| 2.5.5 参数ε的灵敏度分析 |
| 2.6 本章小结 |
| 第三章 基于分布式潮流计算的高维目标潮流优化 |
| 3.1 分布式潮流计算模型 |
| 3.1.1 节点撕裂模型 |
| 3.1.2 线路断开模型 |
| 3.2 分布式潮流计算方法 |
| 3.2.1 多平衡节点潮流计算 |
| 3.2.2 模式搜索法概述 |
| 3.2.3 模式搜索求解分布式潮流计算的流程 |
| 3.3 基于分布式潮流计算的高维目标潮流优化步骤 |
| 3.4 算例分析 |
| 3.4.1 IEEE30/39/118节点分布式潮流计算 |
| 3.4.2 贵州省某区域电网分布式潮流计算 |
| 3.4.3 含两子区域的IEEE 30节点系统高维目标潮流优化 |
| 3.4.4 结果总结 |
| 3.5 本章小结 |
| 第四章 电力系统高维目标潮流优化群决策 |
| 4.1 电力系统多属性群决策基础 |
| 4.1.1 电力系统多属性群决策问题 |
| 4.1.2 Cook-Seiford社会选择函数 |
| 4.1.3 本征向量确权法 |
| 4.1.4 逼近理想解排序法 |
| 4.2 基于Cook-Seiford函数的电力系统多属性群决策方法 |
| 4.2.1 0-1规划决策 |
| 4.2.2 分组决策 |
| 4.2.3 聚类决策 |
| 4.3 算例分析 |
| 4.3.1 不同专家排序结果 |
| 4.3.2 群决策结果 |
| 4.4 电力系统高维目标优化与决策支持系统 |
| 4.4.1 优化决策支持系统协调流程 |
| 4.4.2 客户端交互界面 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 工作展望 |
| 参考文献 |
| 硕士阶段科研成果 |
| 致谢 |
| 附录 |
（4）基于Slater社会选择理论的在线服务评价方法研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 用户服务评价信息 |
| 1.3 国内外研究现状 |
| 1.3.1 基于评分的在线服务评价 |
| 1.3.2 基于服务属性的在线服务评价 |
| 1.3.3 基于文本的在线服务评价 |
| 1.3.4 基于推荐系统的在线服务评价 |
| 1.3.5 基于信誉系统的在线服务评价 |
| 1.4 现有研究现状面临的挑战 |
| 1.5 研究内容 |
| 1.6 本文的结构和安排 |
| 第二章 在线服务评价相关技术分析 |
| 2.1 举例说明 |
| 2.2 问题定义 |
| 2.3 相关理论简介 |
| 2.3.1 用户-服务偏好 |
| 2.3.2 社会选择理论与社会选择函数 |
| 2.3.3 基于 Slater 社会选择理论的在线服务评价方法可行性分析 |
| 2.4 文章小结 |
| 第三章 基于Slater社会选择理论的在线服务评价 |
| 3.1 总体思路 |
| 3.1.1 基于协同过滤的用户评分矩阵填充 |
| 3.1.2 获取用户-服务偏好关系 |
| 3.1.3 获取用户偏好总数比较表 |
| 3.1.4 获取服务-服务比较矩阵 |
| 3.1.5 获取服务优先对 |
| 3.1.6 对在线服务进行评价 |
| 3.2 评价指标分析 |
| 3.3 实验与分析 |
| 3.3.1 孔多塞性实验 |
| 3.3.2 单调性实验 |
| 3.3.3 反对称性实验 |
| 3.3.4 抗操纵性实验 |
| 3.3.5 多数准则冲突实验 |
| 3.3.6 时间性能测试实验 |
| 3.4 本章小结 |
| 第四章 在线服务评价原型系统设计与实现 |
| 4.1 系统需求分析 |
| 4.1.2 系统用例描述以及实现 |
| 4.2 系统总体设计 |
| 4.2.1 系统概要设计 |
| 4.2.2 系统流程设计 |
| 4.2.3 系统实现技术与运行环境 |
| 4.2.3.1 C/S与 B/S体系结构 |
| 4.2.3.2 Java语言简介 |
| 4.2.3.3 系统开发以及运行环境 |
| 4.3 在线服务评价原型系统的实现 |
| 4.3.1 用户登录与注册 |
| 4.3.2 系统主页面 |
| 4.3.3 读取数据 |
| 4.3.4 填充数据 |
| 4.3.5 Slater方法进行评价 |
| 4.4 在线服务评价系统验证 |
| 4.4.1 孔多塞性验证 |
| 4.4.2 单调性验证 |
| 4.4.3 抗操纵性验证 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 问题与展望 |
| 致谢 |
| 参考文献 |
| 附录 A(攻读硕士学位期间所发表的论文) |
（5）基于Kendall tau距离的在线服务信誉度量方法研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状与不足 |
| 1.2.1 信誉度量方法研究现状 |
| 1.2.2 信誉系统的反馈欺骗抑制 |
| 1.2.3 组合服务信誉管理 |
| 1.2.4 现有不足 |
| 1.3 研究内容、方法、目的与意义 |
| 1.3.1 研究内容与方法 |
| 1.3.2 研究的主要目的及意义 |
| 1.4 论文结构 |
| 第二章 相关理论研究及技术分析 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.2.1 问题定义 |
| 2.2.2 举例说明 |
| 2.3 相关理论与技术分析 |
| 2.3.1 群决策与社会选择理论 |
| 2.3.2 Kemeny社会选择函数 |
| 2.3.3 Kendall tau距离 |
| 2.3.4 模拟退火算法 |
| 2.3.5 基于Kendall tau距离的在线服务信誉度量方法 |
| 2.4 本章小结 |
| 第三章 基于Kendall tau距离的在线服务信誉度量方法 |
| 3.1 引言 |
| 3.2 基于Kendall tau的评分向量距离度量 |
| 3.3 基于Kendall tau距离的信誉度量 |
| 3.4 基于模拟退火算法寻找最优信誉向量 |
| 3.5 实验结果及分析 |
| 3.5.1 有效性实验 |
| 3.5.2 多数准则 |
| 3.5.3 抗操纵性 |
| 3.5.4 性能测试 |
| 3.6 本章小结 |
| 第四章 在线服务信誉度量原型系统设计与实现 |
| 4.1 引言 |
| 4.2 系统需求分析 |
| 4.2.1 系统用例分析 |
| 4.3 系统总体设计 |
| 4.3.1 系统工作流程 |
| 4.3.2 系统实现技术选择 |
| 4.3.3 开发运行环境与配置 |
| 4.4 系统用例实现 |
| 4.4.1 数据导入模块 |
| 4.4.2 信誉度量模块 |
| 4.4.3 验证模块 |
| 4.5 系统性能测试 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 问题与展望 |
| 致谢 |
| 参考文献 |
| 附录A（攻读硕士学位期间所发表的论文） |
（6）基于社会选择理论的在线服务评价（论文提纲范文）
| 0 引言 |
| 1 相关研究 |
| 2 问题描述 |
| 3 基于社会选择理论的在线服务评价方法 |
| 3.1 基于Kemeny社会选择函数的在线服务评价 |
| 3.1.1 Kemeny函数 |
| 3.1.2 Kemeny函数0-1整数规划 |
| 3.2 方法过程描述 |
| 4 评价模型理论分析 |
| 5 实验结果与分析 |
| 5.1 有效性实验 |
| 5.2 一致性实验 |
| 5.3 公平性实验 |
| 5.4 抗操纵性和抵制推荐攻击实验 |
| 6 结语 |
（7）基于Kemeny社会选择理论的在线服务评价研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 在线服务介绍 |
| 1.2.2 研究现状 |
| 1.2.3 现有不足 |
| 1.3 研究内容与方法 |
| 1.4 论文的组织结构 |
| 1.5 本章小结 |
| 第二章 在线服务评价研究相关理论与技术分析 |
| 2.1 在线服务质量 |
| 2.2 用户-服务相关概念 |
| 2.2.1 用户-服务偏好 |
| 2.2.2 用户-服务评价 |
| 2.3 群体决策理论 |
| 2.4 社会选择理论 |
| 2.5 社会选择函数 |
| 2.5.1 Kemeny社会选择函数 |
| 2.5.2 Kemeny排序问题 |
| 2.5.3 Kemeny函数算法分析 |
| 2.6 Yalmip与lpsolve求解器 |
| 2.7 本章小结 |
| 第三章 基于Kemeny社会选择理论的在线服务评价 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.3 现有在线服务评价模型 |
| 3.3.1 累加法评价模型 |
| 3.3.2 平均值法评价模型 |
| 3.3.3 Beta信誉系统评价模型 |
| 3.3.4 算例分析 |
| 3.4 问题建模 |
| 3.5 基于Kemeny社会选择理论的在线服务评价 |
| 3.5.1 基于Kemeny函数的在线服务优劣计算 |
| 3.5.1.1 Kemeny函数 |
| 3.5.1.2 Kemeny函数0-1整数规划 |
| 3.5.2 Kemeny函数的在线服务评价模型 |
| 3.5.3 基于Kemeny函数的在线服务评价算法的实现 |
| 3.6 Kemeny函数评价标准 |
| 3.7 评价模型理论分析 |
| 3.8 算例分析 |
| 3.9 实验与分析 |
| 3.9.1 有效性实验 |
| 3.9.2 一致性实验 |
| 3.9.3 公平性实验 |
| 3.9.4 抗操纵性和抵制推荐攻击实验 |
| 3.9.5 性能测试 |
| 3.10 本章小结 |
| 第四章 在线服务评价的平台设计与实现 |
| 4.0 服务评价平台的主要功能 |
| 4.1 系统总体设计 |
| 4.1.1 系统用例分析 |
| 4.1.2 系统工作流程 |
| 4.2 开发运行环境与配置 |
| 4.2.1 系统开发与运行环境 |
| 4.2.2 Yalmip和lpsolve的配置 |
| 4.3 在线服务评价平台详细设计 |
| 4.3.1 用户注册与登录模块 |
| 4.3.2 在线服务发布模块 |
| 4.3.3 在线服务后台排序模块 |
| 4.3.4 服务排序结果展示模块 |
| 4.3.5 服务后台管理模块 |
| 4.4 系统测试 |
| 4.4.1 测试环境 |
| 4.4.2 测试结果 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 问题与展望 |
| 致谢 |
| 参考文献 |
| 附录A (攻读硕士学位期间科研成果) |
| 附录B (论文支撑项目) |
（8）投票理论研究现状及其展望（论文提纲范文）
| 1引文 |
| 2投票方法 |
| 3投票理论的形式化框架 |
| 3.1公理 |
| 3.2不可能定理 |
| 3.3描述定理 |
| 4策略操纵与避免操纵 |
| 4.1策略操纵 |
| 4.2避免操纵 |
| 5组合域上的投票 |
| 6投票理论中的其他问题 |
| 7发展与应用 |
（9）社会选择函数研究综述（论文提纲范文）
| 1 引言 |
| 2 社会选择投票规则的性质及集结公理 |
| 2.1 社会选择函数投票规则的性质 |
| 2.2 社会选择的集结公理 |
| 3 常用社会选择函数及其分类 |
| 3.1 侧重于比较候选人的得分 |
| 3.2 侧重于比较群体排序与个体排序的一致性程度 |
| 4 典型社会选择函数的应用性评价 |
| 5 社会选择函数研究的局限 |
| (1)未考虑投票者的权重 |
| (2)结果的不唯一性 |
| (3)社会选择的多目标冲突 |
| 6 可能的研究途径 |
| (1)能够影响偏好强度的投票者权重的确定 |
| (2)函数的结果不唯一性与结果唯一性之间的权衡 |
| (3)利用客观性的市场机制弥补主观性的投票悖论 |
| (4)社会选择的计算复杂性 |
（10）多阶段社会选择方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状评述 |
| 1.3 研究内容和方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 第2章 多阶段社会选择方法体系设计 |
| 2.1 多阶段群决策及社会选择方法内涵 |
| 2.1.1 群决策的内涵 |
| 2.1.2 多阶段群决策的内涵 |
| 2.1.3 社会选择方法的内涵 |
| 2.2 多阶段社会选择方法的基本思想 |
| 2.2.1 问题描述 |
| 2.2.2 基本思想 |
| 2.3 多阶段社会选择方法体系 |
| 2.3.1 多阶段社会选择方法设计 |
| 2.3.2 多阶段社会选择方法整体架构 |
| 2.4 本章小结 |
| 第3章 多阶段加权社会选择函数构建 |
| 3.1 多阶段群决策过程分析 |
| 3.2 基于决策偏好距离的多阶段权重确定方法 |
| 3.2.1 问题描述 |
| 3.2.2 单一专家的阶段内权重测度 |
| 3.2.3 单一专家的阶段间权重测度 |
| 3.2.4 最优专家权重计算 |
| 3.3 多阶段加权 Cook-seiford 选择函数的构建 |
| 3.3.1 Cook-seiford 选择函数 |
| 3.3.2 加权的 Cook-seiford 选择函数 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 第4章 多阶段社会选择过程逆推排序方法 |
| 4.1 问题描述 |
| 4.2 社会选择过程分析 |
| 4.2.1 Plott 两阶段选择过程 |
| 4.2.2 SV 顺序选择过程 |
| 4.2.3 BD 社会选择过程 |
| 4.3 BD 选择过程多阶段逆推排序方法 |
| 4.3.1 BD 选择过程存在的问题 |
| 4.3.2 BD 选择过程的改进 |
| 4.3.3 逆推排序方法的具体步骤 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 实例应用 |
| 5.1 阿尔卡特公司背景简介 |
| 5.2 阿尔卡特公司供应商选择体系现状分析 |
| 5.2.1 阿尔卡特公司供应商选择方法 |
| 5.2.2 阿尔卡特公司供应商选择流程分析 |
| 5.3 阿尔卡特公司供应商多阶段选择方法优化 |
| 5.3.1 供应商子集划分 |
| 5.3.2 多阶段权重确定 |
| 5.3.3 阶段性选择结果 |
| 5.3.4 供应商逆推排序结果 |
| 5.4 阿尔卡特公司供应商选择结果分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
四、Kemeny社会选择函数的一种改进算法（论文参考文献）
- [1]面向误差最小化的在线服务信誉度量[J]. 曾俊威,付晓东,岳昆,刘骊,刘利军,冯勇. 重庆大学学报, 2020(07)
- [2]一种基于社会选择理论的评分集结方法研究[D]. 杨柳. 深圳大学, 2019(12)
- [3]基于Ⅰ-NSGA-Ⅲ的电力系统高维目标潮流优化及其决策支持[D]. 王思露. 厦门大学, 2019(09)
- [4]基于Slater社会选择理论的在线服务评价方法研究与实现[D]. 朱明强. 昆明理工大学, 2019(04)
- [5]基于Kendall tau距离的在线服务信誉度量方法研究与实现[D]. 郑苏苏. 昆明理工大学, 2018(01)
- [6]基于社会选择理论的在线服务评价[J]. 李威,付晓东,刘骊,刘利军. 计算机应用, 2017(07)
- [7]基于Kemeny社会选择理论的在线服务评价研究与实现[D]. 李威. 昆明理工大学, 2017(01)
- [8]投票理论研究现状及其展望[J]. 张楠,陈荣,郭世凯. 计算机科学, 2015(05)
- [9]社会选择函数研究综述[J]. 李保珍,卢海燕,马少辉. 系统工程, 2015(03)
- [10]多阶段社会选择方法研究[D]. 王新伟. 哈尔滨理工大学, 2014(07)
标签：系统评价论文; 电力系统潮流计算论文; 用户分析论文; 高维空间论文; 决策能力论文;