基于小生境的NGEP算法：提升关联规则挖掘效率

本文主要探讨了一种创新的关联规则挖掘方法，即"基于小生境技术的基因表达式编程进化算法"(Novel Algorithm GEP based on Niche, 简称NGEP)，它是在2009年由陈云亮、李欣、杨捷和谢长生四位作者在《计算机科学》杂志上发表的研究成果。面对大数据集处理时，传统关联规则挖掘算法可能面临效率低下和精确度不足的问题。为解决这些问题，研究人员将基因表达式编程进化算法(Gene Expression Programming, GEP)与小生境技术相结合。 小生境技术是一种模仿自然生态中的物种竞争和共生现象，通过划分多个小生境，每个小生境内只包含部分个体，这样可以增强种群的多样性，避免过度竞争导致的性能下降。在NGEP算法中，首先通过小生境演化过程，筛选出各小生境内的优秀个体，然后进行同构个体的剔除，以确保算法的创新性和有效性。接下来，通过笛卡儿交叉操作，将不同小生境的解进行融合，以产生更高质量的关联规则候选。 实验结果显示，与同类优秀算法相比，NGEP在保持高精度的同时，显著提高了种群多样性，这有利于发现更多潜在的有效关联规则。此外，算法在处理大数据集时，其规则提取的效率也得到了显著提升，这在实际应用中具有重要的价值，尤其是在商业智能分析、市场趋势预测等领域。 本文的主要贡献在于提出并实现了一种新的关联规则挖掘工具——NGEP，通过小生境技术和GEP的结合，优化了大数据集下的规则挖掘性能，为数据挖掘领域提供了一个有效的解决方案。这个研究不仅推动了关联规则挖掘技术的发展，也为其他领域的进化计算策略提供了新的启示。