摘要：采用交互式遗传算法求解大数据信息检索问题时，为实现偏好信息的提取和优化，单用户需完成较多数量的人-机交互操作，由此易产生用户疲劳、算法搜索效率低的难题。对此，该文在算法中引入多用户并行策略，通过群体决策优势，提高样本利用效率。首先，根据优化目标性质确定共性化协同或个性化协同类型，基于用户浏览行为计算用户相似度和个体相似度。然后，通过共享偏好相似用户的偏好相似个体预测个体区间适应值。基于个体表现型相似度聚类，提出大规模种群个体“区间数-区间数”适应值赋值策略。最后，依据子代种群个体与父代种群最优个体的相似性，推荐用户最佳评价个体。将所提方法应用于装饰性墙壁纸选型问题，并与已有典型方法比较。结果表明，所提方法在推荐个体质量、减轻用户疲劳、提高搜索效率等方面均具有优越性。

关键词：遗传算法 交互 群体决策 多用户 协同 

单位：郑州航空工业管理学院机电工程学院; 郑州450046; 江苏师范大学计算机科学与技术学院; 徐州221116