1、群體智能是在近十幾年來(lái)在協(xié)同進(jìn)化論基礎(chǔ)上發(fā)展起來(lái)的一種新的優(yōu)化算法.它是將由單個(gè)復(fù)雜個(gè)體完成的任務(wù)交給大量簡(jiǎn)單的個(gè)體組成的群體合作完成,而后者往往更具有健壯性、靈活性和經(jīng)濟(jì)上的優(yōu)勢(shì).群體智能利用群體優(yōu)勢(shì),在沒(méi)有集中控制,不提供全局模型的前提下,為尋找復(fù)雜問(wèn)題解決方案提供了新的思路,是"無(wú)智能的主體通過(guò)合作表現(xiàn)出智能行為的特性".作為群體智能的典型實(shí)現(xiàn)模式,模擬生物蟻群智能尋優(yōu)的蟻群算法和模擬鳥(niǎo)群運(yùn)動(dòng)模式的微粒群算法正在受到學(xué)術(shù)界的廣泛關(guān)

2、注.由于其概念簡(jiǎn)明、實(shí)現(xiàn)方便,在短期內(nèi)迅速得到了國(guó)際演化計(jì)算研究領(lǐng)域的認(rèn)可. 關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系.它在數(shù)據(jù)挖掘中是一個(gè)重要的課題,最近幾年已被業(yè)界所廣泛研究.關(guān)聯(lián)規(guī)則研究有助于發(fā)現(xiàn)交易數(shù)據(jù)庫(kù)中不同商品(項(xiàng))之間的聯(lián)系,找出顧客購(gòu)買(mǎi)行為模式,分析結(jié)果可以應(yīng)用于商品貨架布局、貨存安排以及根據(jù)購(gòu)買(mǎi)模式對(duì)用戶進(jìn)行分類(lèi).Agrawal.等于1993年首先提出了挖掘顧客交易數(shù)據(jù)庫(kù)中項(xiàng)集間的關(guān)聯(lián)規(guī)則問(wèn)題,以

3、后諸多的研究人員對(duì)關(guān)聯(lián)規(guī)則的挖掘問(wèn)題進(jìn)行了大量的研究. 本文對(duì)群體智能,尤其是微粒群算法進(jìn)行了較為系統(tǒng)地分析和研究,結(jié)合關(guān)聯(lián)規(guī)則算法提出了一些改進(jìn)的算法,主要包括以下一些內(nèi)容: (1)群體智能技術(shù)的概述.介紹了群體智能的基本概念、分類(lèi)、主要功能、關(guān)鍵技術(shù)以及典型應(yīng)用等等. (2)群體智能模式的研究.介紹了群體智能的兩種常用模式,通過(guò)具體實(shí)例對(duì)當(dāng)今國(guó)際上先進(jìn)的群體智能算法進(jìn)行了對(duì)比,并得出了結(jié)論. (3)關(guān)

4、聯(lián)規(guī)則挖掘的綜述.本文對(duì)關(guān)聯(lián)規(guī)則挖掘領(lǐng)域的代表算法進(jìn)行了分析,提出了關(guān)聯(lián)規(guī)則挖掘的典型要求,并基于這些要求對(duì)關(guān)聯(lián)規(guī)則挖掘中常用的算法作了比較,以便于人們更容易、更快速地選擇一種適用于具體問(wèn)題的挖掘算法. (4)基于微粒群的抽樣算法在關(guān)聯(lián)規(guī)則中的應(yīng)用,提出了一種改進(jìn)的關(guān)聯(lián)規(guī)則挖掘算法.傳統(tǒng)的一次性抽樣算法雖然在理論上保證了結(jié)果的高精度,然而當(dāng)用于商品種類(lèi)過(guò)多,交易量非常大的關(guān)聯(lián)發(fā)現(xiàn),則計(jì)算時(shí)間是相當(dāng)可觀的,甚至是不可在有限年內(nèi)解決

5、;并且很難應(yīng)用于聯(lián)機(jī)分析,這些問(wèn)題將限制Apriori.算法的使用.基于序貫抽樣理論設(shè)計(jì)的可升級(jí)性算法ASAR,APASAR算法可以有效地產(chǎn)生頻繁集,并且比一次性抽樣算法需要更少的樣本.但是仍然會(huì)出現(xiàn)理論樣本量過(guò)高的表現(xiàn).本文提出一種群體智能技術(shù)中的微粒群算法(PSO)與Apriori算法相結(jié)合的算法,稱之為PSASAR算法.利用群體智能技術(shù)加快挖掘過(guò)程,增加智能性,在數(shù)據(jù)庫(kù)掃描時(shí),利用群體智能技術(shù),替代全數(shù)據(jù)庫(kù)掃描,提高效率,這種掃描