随着经济的不断发展以及人们生活水平的逐步提高,旅游已经成为了很多人生活中不能缺少的一部分,旅游业也逐渐成为了当前发展速度最快、前景最好的新兴产业之一。近年来,由于信息技术的进步,人们的旅游方式也在发生变化,人们对旅游需求的方式、内容在不断地更新,更加注重旅游服务的品质和个性化体验。因此,对个性化旅游服务推荐系统的需求应运而生,希望它能够将旅游的特点和IT技术融合在一起的,能够进一步方便用户,改善旅游提供商的管理形式,提高他们的服务质量,最终推动旅游产业的发展。个性化旅游服务推荐系统是把一系列相关的方法、数据、服务等资源分别建立相应的库储存起来,整合相关的旅游资源,根据不同游客提出的不同的个性化需求,给游客提供一个感兴趣、服务齐全的个性化解决方案,包括食、住、行、游等一条龙服务,帮助游客做出最佳的旅游选择。本文研究基于多目标优化的个性化旅游服务推荐系统,结合旅游服务的特点,首先建立了一个基于多目标优化的旅游服务组合模型,该模型考虑了时间、成本、服务质量等三个目标,并根据该模型提出了一种基于多目标优化的旅游服务组合方法,该方法是基于多目标优化的,并且分别考虑了游客的历史数据以及该游客现在的偏好选择,根据时间、成本和服务质量等多个优化目标,将游客在旅游过程中的交通、饮食、住宿等各种旅游服务元素组合在一起,给游客一个最佳方案,该方法能够很好地解决旅游服务组合需要在线处理的问题,更符合旅游业的实际需求。然后根据个性化需求提出了一种推荐算法Sing CF,它的执行过程是:首先估计那些单一评分中的未评价的分数,把它们转换成双重评分,然后给每一个目标用户执行一次协同过滤方法,来发现该目标用户的邻居用户,并作出预测,目的是提高推荐的准确度,该算法得到的推荐结果更加准确。另外,为了提高效率,还提出了一种在Hadoop上运行的基于Map Reduce的分布式Sing CF算法DSing CF,该算法显著提高了推荐的效率。基于上述方法,本文设计实现了一种基于多目标优化的个性化旅游服务推荐系统,该系统通过可视化界面精准获取游客的需求,为游客提供餐饮、住宿、购物、游览等方面的服务,进而为游客推荐最优的解决方案。