[发明专利]蚁群算法求解共享经济背景下多属性双边匹配问题的方法

权利要求书

1.一种基于蚁群算法的房屋租赁供需分析方法，其特征在于，具体过程为：

(1)采集包括租金、面积、房间数、地段和设置配套五种供需属性的房屋租赁数据，其中地段和设施配套的属性值用A、B、C三个等级表示，分别对应属性评分值为3分、2分、1分；租金属性权重为0.5，其余属性随机取值并且权重之和为0.5；

(2)建立属性匹配度计算模型并根据建立的属性匹配度计算模型计算出属性匹配度a_f(i,j)，b_f(j,i)，其中a_f(i,j)表示u_i对v_j关于属性f的匹配度，b_f(j,i)表示v_j对u_i关于属性f的匹配度，u_i表示匹配方U中的第i个个体，v_j表示匹配方V中的第j个个体，U＝{u_i|1≤i≤n}，V＝{v_j|1≤j≤m}；建立属性匹配度计算模型的过程为：

匹配过程中考虑双方r个属性，r≥1，记u_i,f表示u_i的需求属性f的值，v_j,f表示v_j的需求属性f的值，1≤f≤r，根据不同种类的需求属性定义不同的属性匹配度计算模型，记a_f(i,j)表示u_i对v_j关于属性f的匹配度，b_f(j,i)表示v_j对u_i关于属性f的匹配度，U中个体的属性匹配度计算模型定义如下：

①当f为收益型属性时：

②当f为成本型属性时：

③当f为硬约束属性时：

④当f为区间型属性时：

设u_i,f，v_j,f的值的区间分别是[u_i,f_l,u_i,f_r]，[v_j,f_l,v_j,f_r]；

同理，此模型也可以用在匹配方V上，求出匹配方V中个体的b_f(j,i)；

(3)根据房屋的各个属性权重计算出双方的需求总满意度p_ij和q_ji，并将总满意度按照降序排列，得到双方的偏好序a_ij和b_ji，其中p_ij表示u_i对v_j的满意度，q_ji表示v_j对u_i的满意度，a_ij表示u_i把v_j按总满意度从大到小排序排在第a_ij位，b_ji表示v_j把u_i按总满意度从大到小排序排在第b_ji位；

其中双方需求总满意度的计算过程为：

匹配双方对需求的各个属性的重视程度，称为属性偏好系数，w_i,f表示u_i对需求的属性f的重视程度，满足：0≤w_i,f≤1，用w_j,f表示v_j对需求属性f的重视程度，满足：0≤w_j,f≤1，综合匹配双方所有的需求属性的匹配度和偏好系数可以得到双方之间的满意度，记p_ij表示u_i对v_j的满意度，q_ji表示v_j对u_i的满意度，则有：

向量p_i(p_i1,p_i2,……p_im)表示u_i对匹配方V中的所有个体关于属性f的满意度向量，向量q_j(q_1j,q_2j,……,q_mj)表示v_j对匹配方U中的所有个体关于属性f的满意度向量；

将u_i对匹配方V所有个体的总满意度p_ij按从大到小的顺序排列并取其排列序号，即用a_ij表示u_i把v_j按总满意度从大到小排序排在第a_ij位，向量a_i(a_i1,a_i2,……a_im)为u_i对匹配方V中的所有个体的偏好序，同理v_j对u_i的满意度排列序号b_ji和偏好序向量(b_j1b_j2…b_jn)；

(4)对蚁群算法进行M次实验，每次迭代次数为NC次，利用M次实验的结果，通过梯度下降算法求出使损失函数最小的初始信息素浓度c₀、信息素挥发参数α和更新参数β,其中α+β＝1；

其中蚁群算法的具体实现过程为：

1)蚂蚁选择一方开始搜索，随机选择一个个体，初始化每只蚂蚁，并生成每只蚂蚁的未选择列表和未访问列表；

2)计算蚂蚁选择路径(i,j)上的启发信息值η_ij，其中s_p_i＝∑_j∈Vp_ij表示u_i对匹配方V所有个体的总满意度的和，s_q_j＝∑_i∈U q_ji表示v_j对匹配方U所有个体的总满意度的和；

3)如果本次迭代数nc＝1，根据p₁(i,j)利用轮盘赌注算法进行蚂蚁的状态转移，所有蚂蚁完成本次迭代，对每个匹配结果执行匹配评价函数，计算评价值，全局更新信息素保存当前最好结果；否则nc1时，根据p_t+1(i,j)利用轮盘赌算法进行蚂蚁的状态转移，所有蚂蚁完成本次迭代对每个匹配结果执行匹配评价函数，计算评价值，全局更新信息素保存当前最好结果；

(5)将求得的初始参数(c₀,α,β)带入蚁群算法求出最优解,实现房屋租赁供需双方的最佳匹配。