PSO-SA算法的改進(jìn)及其在關(guān)聯(lián)規(guī)則挖掘中的應(yīng)用研究.pdf

1、關(guān)聯(lián)規(guī)則挖掘算法是數(shù)據(jù)挖掘中最核心部分之一，傳統(tǒng)的挖掘算法已經(jīng)難于適用于當(dāng)前數(shù)據(jù)量的挖掘。人們都在嘗試使用新的智能算法，如遺傳算法、粒子群算法、魚(yú)群算法等來(lái)挖掘關(guān)聯(lián)規(guī)則。本文結(jié)合粒子群和模擬退火兩種算法的優(yōu)點(diǎn)，將兩種算法混合在一起，使用改進(jìn)的混合模擬退火粒子群算法。由于粒子群算法在尋找最優(yōu)解時(shí)很容易陷入局部最優(yōu)解的情況，使得在解決實(shí)際問(wèn)題時(shí)，往往求出的解是非全局最優(yōu)解，由于模擬退火算法在執(zhí)行過(guò)程中能夠以一定的概率接受差解，所以它能夠很好

2、的避免算法陷入局部最優(yōu)解。那么本文將模擬退火算法和粒子群算法相結(jié)合后，在基本粒子群算法中引入模擬退火算法的Metropolis準(zhǔn)則。算法實(shí)現(xiàn)粒子在更新自身最好位置、群體最好位置及自身當(dāng)前位置時(shí)能夠有一定概率接受差解，這樣能很好避免粒子陷入局部最優(yōu)位置。本文將改進(jìn)混合算法運(yùn)用到關(guān)聯(lián)規(guī)則挖掘中，采用實(shí)數(shù)編碼的方式來(lái)設(shè)定粒子，并且選擇了合適的評(píng)價(jià)函數(shù)。最后通過(guò)挖掘高校應(yīng)屆研究生就業(yè)情況的關(guān)聯(lián)規(guī)則為實(shí)際例子，并和遺傳模擬退火算法(GA-SA)、

3、標(biāo)準(zhǔn)PSO算法進(jìn)行了對(duì)比，證明了該混合算法在關(guān)聯(lián)規(guī)則挖掘中的可行性及優(yōu)越性。最后針對(duì)挖掘出的關(guān)聯(lián)規(guī)則，對(duì)以后的研究生在就業(yè)方面提出了一些建議。本文的主要研究?jī)?nèi)容如下:
　　(1)介紹了數(shù)據(jù)挖掘及關(guān)聯(lián)規(guī)則挖掘概念，并分析了基本挖掘算法的優(yōu)缺點(diǎn)，詳細(xì)描述了粒子群算法和模擬退火算法的實(shí)現(xiàn)過(guò)程及它們各自的優(yōu)缺點(diǎn)。
　　(2)描述本文混合模擬退火粒子群算法實(shí)現(xiàn)過(guò)程。在基本粒子群算法中，在更新粒子的自身最好位置和群體最好位置時(shí)，引入了M

4、etropolis準(zhǔn)則，并且將原先的群體最好位置用兩個(gè)量來(lái)記錄;接著在更新每個(gè)粒子的位置和速度時(shí)，再次引入Metropolis準(zhǔn)則，兩處使用Metropolis準(zhǔn)則可以從單個(gè)粒子和整個(gè)群體兩個(gè)角度出發(fā)，防止算法陷入局部最優(yōu)解。將本文改進(jìn)的混合算法與其他文獻(xiàn)中的混合算法、標(biāo)準(zhǔn)PSO算法進(jìn)行函數(shù)測(cè)試對(duì)比。
　　(3)將改進(jìn)混合模擬退火粒子群算法運(yùn)用到關(guān)聯(lián)規(guī)則挖掘中，以研究生就業(yè)的關(guān)聯(lián)規(guī)則挖掘?yàn)閷?shí)際例子。對(duì)比GA-SA算法、標(biāo)準(zhǔn)PSO算