1.一种基于MAS协作机制的旅游群组推荐方法，其特征在于，具体按照以下步骤实施：步骤1、解析目标任务；

步骤2、目标信息共享；

步骤3、数据处理；

步骤4、冲突检测与消解；

步骤5、相似度计算；

步骤6、群组推荐；

步骤7、用户评价；

所述步骤1中解析目标任务是由监视Agent来完成的，当客户端传来推荐请求后，监视Agent响应请求，解析目标任务，并发布在黑板区域；

步骤1中具体解析过程为监视Agent的感知模块，首先感知到用户在客户端进行的各种操作以及产生的信息交换，这些信息经由事件检测模块分析，并将产生的操作信息进行数据初始化，记录存储后生成系统日志，最后将日志发布在黑板区域，以便进行下一步的操作；

所述步骤2中黑板区域在协作推荐过程中，负责任务求解过程中部分信息的公示，各Agent与黑板之间信息互通，当MAS将系统目标任务以及相关初始数据解析公布至黑板区域，协作过程开始，参与求解的Agent通过不断浏览黑板上公开的信息，在其中寻找可以协助自己求解问题的信息，当其在黑板上找到对自己有利的信息时，就会主动对问题进行求解，并把最终的结果信息公开在黑板区域，通过这一求解过程的循环，获得任务的最终结果；

在所述步骤3中数据Agent在接到数据请求后，将数据处理为旅游推荐系统在推荐时所需要的有效信息并存储到数据库，然后在数据中提取求解任务中包含的组团用户对景点的历史评分数据，并生成对应的游客‑景点评分矩阵，评分值在0～5之间；

所述步骤4中冲突检测与消解Agent时，首先执行检测程序，对冲突数据进行检测，若数据之间发生直接冲突，则需要根据消解策略寻找其他可能相关用户以及数据，并向数据Agent做出数据请求；若无冲突，则直接执行相似度计算；

具体为把目标群组的成员两两随机分组，根据定义的游客相关性因子

对数据进行冲突检测； 表示两者共同评分项的景点数目占所有参与评分项景点数目的权重，N(u)、N(v)分别表示游客u、v参与评分的景点；冲突检测的条件为判断两个游客之间的相关性因子α是否为0；若为0，则表示数据之间发生直接冲突，需要执行冲突消解策略；冲突消解策略在发生冲突的成员所在当前群组对应的景点用户倒排表中，寻找和两个冲突用户同时具有相关性的其他成员，即可消除两个游客之间的冲突；

所述步骤5中在推荐过程中，首先判断黑板区域是否有当前群组成员的历史相似度记录，若有则输入黑板区域已有群组成员的历史相似信息，若没有则依据相似度计算公式计算游客相似度，同时，新增或更新用户的相似度信息至黑板区域；

所述步骤6中首先对群组成员做出单用户预测推荐，然后对单用户预测结果进行融合排序，得到最终的群组推荐结果，最后输出和存储推荐结果，并以列表形式展示给用户，至此，系统对推荐任务做出成功响应；

所述步骤7中评价Agent是用户对推荐结果做出评价，用户在旅游推荐系统里对推荐的结果列表进行评分，评价结果经由监视Agent反馈至评价Agent进行分析优化；

所述步骤5中采用User‑IIF相似度计算方法来计算相似度sim(u,v)，如下公式(1)所示，其中，α为游客相关性因子，N(j)表示对景点j有过评价的所有游客数目，当游客u、v的共同评分项里包含景点j的时候，通过 来惩罚景点j对相似度计算的影响；

所述步骤6具体为首先将计算Agent得到的相似度值进行排序，然后根据K近邻的方法找出和当前游客u拥有相似偏好的K名游客集合Ku，则单个成员u对景点j的预测评分Pu,j如下公式(2)所示，式中， 表示游客u和游客v的平均评分；

在得到单人预测评分后，本发明中对群组中每位成员对同一景点j的所有预测评分取均值，得出整个群组对同一景点j的预测评分Pj；如公式(3)所示，N表示群组成员数目，Pu,j表示组内单个成员u对景点j的预测评分；最后将所有预测评分结果降序排列，选出Top‑5对应的项目，生成最终的群组推荐列表。