基于改进遗传算法与Apriori算法的岸桥机械关联规则挖掘

潘海洋　薛超飞

（上海海事大学 物流工程学院，上海 201306）

基于改进遗传算法与Apriori算法的岸桥机械关联规则挖掘

潘海洋薛超飞

（上海海事大学 物流工程学院，上海 201306）

基于对传统遗传算法的关联规则挖掘，提出了改进型遗传算法。该算法提出了一种自适应变异率方法，并改进了个体选择方法。最后，将其应用到岸桥机械数据关联规则挖掘中进行实验，并用Apriori算法验证了该方法的高效性和可靠性。

遗传算法 Apriori算法 岸桥机械 关联规则

引言

随着信息时代的到来，各行各业大量的数据积累形成了大数据的仓库。所以，急需智能地把这些数据信息转换成有用参考信息的技术，辅助决策层进行决策。关联规则挖掘是数据挖掘领域的一个重要内容，但传统的遗传算法存在一定的缺陷，容易导致算法过早收敛而陷于局部最优困境，或收敛时间过长而消耗大量的搜索时间。因此，本文提出了一种改进的遗传算法。该算法采用自适应变异率和改进的个体选择方法克服上述缺陷，并将这种改进的遗传算法用于关联规则的挖掘[1-2]。

目前，广泛使用的关联规则算法是Apriori算法或其改进算法。数据挖掘关联规则问题发掘支持度S和置信度C分别大于用户最小支持度和最小置信度的关联规则。支持度是包含X和Y的数所占总体的百分比。置信度是包含X和Y的数与包含X数的百分比。找到所有支持度大于用户最小支持度的项集，称为频繁项集。然后，从找到的频繁项集中构造其置信度大于用户最小置信度的关联规则[3]。……