1、隨著信息技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)信息量正呈爆炸性增長，萬維網(wǎng)已成為一個(gè)巨大而復(fù)雜的信息空間，人們已從信息缺乏轉(zhuǎn)變?yōu)樾畔⑦^載。互聯(lián)網(wǎng)信息具有分散、無序、海量等特點(diǎn)，如何從浩瀚的信息資源中快速、有效、準(zhǔn)確地找到所需信息是一個(gè)具有挑戰(zhàn)性的研究課題，Web搜索正成為互聯(lián)網(wǎng)領(lǐng)域的研究熱點(diǎn)和焦點(diǎn)之一。傳統(tǒng)的Web搜索算法注重于Web的鏈接結(jié)構(gòu)和Web頁面等級權(quán)重，而忽略了用戶的興趣行為，導(dǎo)致了部分搜索結(jié)果不完整及準(zhǔn)確率低。此外，通過迭代計(jì)算出每個(gè)網(wǎng)頁

2、的Hub值和Authority值的方式，導(dǎo)致Web搜索的效率較低，并容易出現(xiàn)一定的分散和泛化現(xiàn)象。針對傳統(tǒng)的Web搜索算法存在的缺點(diǎn)，本文在總結(jié)和分析國內(nèi)外相關(guān)研究工作的基礎(chǔ)上，充分結(jié)合用戶的興趣行為和相關(guān)的智能優(yōu)化算法來展開研究，主要研究內(nèi)容及創(chuàng)新性工作概括如下:
　　(1)綜述了有關(guān)搜索引擎結(jié)構(gòu)及其工作流程、傳統(tǒng)Web搜索算法設(shè)計(jì)思路和啟發(fā)式算法模型的研究成果及方法，為研究Web搜索算法基礎(chǔ)理論的研究者提供參考和借鑒。

3、　　(2)在分析現(xiàn)有用戶興趣模型表示方式的基礎(chǔ)上，針對Web搜索的特點(diǎn)，結(jié)合用戶瀏覽行為、用戶反饋行為、關(guān)鍵詞權(quán)重以及短期興趣和長期興趣等相關(guān)因素，設(shè)計(jì)了一種基于Web搜索的用戶興趣模型，為后續(xù)研究Web環(huán)境下的啟發(fā)式搜索算法奠定基礎(chǔ)。
　　(3)在充分結(jié)合遺傳量子算法和克隆選擇算法優(yōu)點(diǎn)的基礎(chǔ)上，提出一種克隆遺傳量子搜索算法(Clonal Genetic Quantum SearchAlgorithm，CGQSA)，詳細(xì)介紹了該算

4、法的設(shè)計(jì)思路和框架，并運(yùn)用Markov鏈理論對其收斂性進(jìn)行分析。同時(shí)，具體分析了該算法的計(jì)算復(fù)雜度，實(shí)驗(yàn)結(jié)果表明CGQSA算法具備良好的穩(wěn)定性和可擴(kuò)展性，其性能明顯優(yōu)于其它的傳統(tǒng)Web搜索算法和啟發(fā)式算法。
　　(4)結(jié)合關(guān)鍵詞的鏈接權(quán)重和Web頁的鏈接結(jié)構(gòu)，設(shè)計(jì)一種評估Web頁平均權(quán)重的數(shù)學(xué)模型，將每個(gè)Web頁表示成種群中的一個(gè)個(gè)體，并用一個(gè)適應(yīng)度函數(shù)對其性能進(jìn)行評估。
　　(5)在遺傳算法的基礎(chǔ)上，融入模擬退火算法的思想

5、，提出一種遺傳模擬退火搜索算法(Genetic Simulated Annealing SearchAlgorithm，GSASA)，詳細(xì)介紹了該算法的設(shè)計(jì)思路和框架，并對其收斂性進(jìn)行了具體分析。GSASA算法將遺傳算法和模擬退火算法的優(yōu)點(diǎn)充分結(jié)合起來，并充分考慮Web搜索的實(shí)際應(yīng)用環(huán)境，在較大程度上提高了算法的運(yùn)行效率和求解質(zhì)量。仿真實(shí)驗(yàn)取得了較理想的實(shí)驗(yàn)結(jié)果，從而表明該方法是可行和有效的。
　　我們所得結(jié)果是Web搜索算法理論