基于模拟退火遗传算法的关联规则挖掘.PDFVIP

第 25卷第5期 2005年 5月 计算机应用 Computer App~cafions V01．25 No．5 May 2005 文章编号：1001—9081(2005)05—1009—03 基于模拟退火遗传算法的关联规则挖掘 武兆慧，张桂娟，刘希玉 (山东师范大学 信息管理学院，山东 济南250014) (wzhnmit@163．com) 摘 要：将模拟退火遗传算法加以改进，应用于关联规则挖掘 ，提 出一种新的基于改进的模拟退 火遗传算法的关联规则挖掘算法，并在该算法中，采用自适应方式动态选取交叉和变异概率 ，有效地 抑制了早熟收敛现象，实验结果显示该方法能高效地解决关联规则挖掘问题 。 关键词：关联规则；遗传算法；模拟退火算法；模拟退火遗传算法 中图分类号：TP301．6 文献标识码：A Association rule mining based on simulated annealing genetic algorithm WU Zhao—hui，ZHANG Gui-juan，LIU Xi—yu (School ofInformation and Management,Shandong Normal University,Jinan ∞南 250014， ) Abstract：Simulated annealing genetic algorithm was improved and used in association nile minin只 ． A Bew associati0n nile mining algorithm based on improved simulated annealing genetic algorithm Was presented． This algorithm lsed adaptive crossover probability and mutation probability， and restrained premature convergence efect／vely． Expefiment results demonstrate that this me~od can solve association mle mi ning efectively． Key words：assoc iation rule；genetic algorithm；simulated annealing algorithm；simulated annealing genetic algorithm 0 引言 关联规则是数据挖掘的一个重要领域，它用于发现大量 数据中项集之间的关联或相关关系。相关概念如下：设 ，= {，。，，2，?，，m}是一组物品集， 是一组事务集。 中的每个事 务 是一组物品， c，。假设有一个物品集A，一个事务 ，如 果A c ，则称事务 支持物品集A。关联规则是如下形式的逻 辑蕴涵：Aj ，其中A， 是项集，A E，，B E，，A n B= 。 一 般用两个参数描述关联规则的属性： (1)可信度：设 中支持物品集 A的事务中，有c％的事 务同时也支持物品集B，c％称为关联规则Aj 的可信度。记 为 c0 =P(B I A)。 (2)支持度：设 中有 s％ 的事务同时支持物品集 A和 B，s％称为关联规则Aj 的支持度。记为Supp=P(A n B)。 关联规则的挖掘问题就是在事务数据库中找出超过用户 给定的可信度和支持度各自阈值的关联规则。 遗传算法的主要思想是基于 C．R．Darwin的生物进化论 和 G．Men~l的遗传学。遗传算法在早期容易使个别好的个 体的后代充斥整个种群，造成早熟(premature)；在遗传算法 后期，适应度趋向一致，优秀的个体在产生后代时，优势不明 显，从而使整个种群进化停滞不前。 本文运用改进的模拟退火遗传算法来解决关联规则的挖 掘问题，提出一种基于改进的模拟退火遗传算法的关联规则 挖掘算法。 1 改进的模拟退火遗传算法 1．1 模拟退火算法 模拟退火算法的基本思想：通过模拟高温物体退火过程 的方法，来找到优化问题的全局最优或近似全局最优解。从 统计物理学的观点看 ，随着温度的降低，物质的能量将逐渐趋 近于一个较低的状态，并最终达到某种平衡。 模拟退火算法描述： (1)选 作为初始状态，令s(o)=So，同时设初始温度 ，令 i=0； (2)令 T= ，以 和 S 调用 Metropolis抽样算法，返回 状态S作为本算法的当前解，S =s； (3)按照一定方式降温，即 T= 其中 + ，i= i+1； (4)检查终止条件，如果满足则转步骤(5)，否则转步骤 (2)； (5)当前解 S 为最优解，输出结果，停止。