买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉安徽大学申请的专利一种基于多目标优化的大规模商品组合模式的挖掘方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113987014B 。

龙图腾网通过国家知识产权局官网在2026-02-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111239993.4，技术领域涉及：G06F16/2458；该发明授权一种基于多目标优化的大规模商品组合模式的挖掘方法是由张磊;李柳;杨海鹏;孙翔;程凡设计研发完成，并于2021-10-25向国家知识产权局提交的专利申请。

本一种基于多目标优化的大规模商品组合模式的挖掘方法在说明书摘要公布了：本发明公开了一种基于多目标优化的大规模商品组合模式的挖掘方法，该方法设计了一个模式归减策略对于大规模事务数据库进行频繁高效用项集挖掘，并提出一个种群初始化和种群修复策略作为辅助，从而挖掘到具有高销售量和高利润的商品组合。本发明解决了随着商品事务数据库中商品数量的增大，挖掘难度呈指数倍增长的问题，提供多种商品组合供用户选择，从而能提高商品事务数据库中商品组合模式挖掘的准确性和有效性。

本发明授权一种基于多目标优化的大规模商品组合模式的挖掘方法在权利要求书中公布了：1.一种基于多目标优化的大规模商品组合模式的挖掘方法，其特征在于，包括以下步骤： S1、建立商品事务数据库为D，遍历商品事务数据库D中总数为m的商品组合模式，得到所述商品事务数据库D中不同种类商品项{I1，I2，…，Ij，…，In，}以及Ij在Ti中对应的效用值或利润WTi,Ij，Ti表示包含第i个商品组合模式即任意一个商品组合模式X的事务，而Ij表示第i个商品组合模式也即任意一个商品组合模式X中包含的商品项，n为商品项的总数； S2、利用所提模式归减策略以及基于适应度计算的多目标优化方法对所述商品事务数据库D中所有的商品组合模式所转换多目标优化问题进行优化，从而得到最优的一组商品组合模式集； 在S1步骤中，D＝{T1,T2,...,Ti,...,Tm}表示所述商品事务数据库中所有商品组合模式的集合，m为商品组合模式的总数； 将任意一个商品组合模式X的挖掘问题转换为如式1所示的多目标优化问题MaximizeFX： MaximizeFX＝suppX,utilXT1， 在式1中，suppX表示所述商品组合模式X的支持度，并有： suppX＝freqXm2， 在式2中，freqX表示所述商品组合模式X的频繁度； 在式1中，utilX表示所述商品组合模式X的效用值，并有： 在式3中，Tk表示D中任意一个事务，WTk表示事务Tk中所有商品对应的利润； 所述S2步骤，其具体步骤如下： S2.1、种群编码： 根据所述商品事务数据库D中所有商品组合模式的商品项种类数目，采用二进制方式对商品组合模式X中的所有商品项进行编码，得到商品组合模式的一个个体X＝{x1,x2,...,xi,...,xn}；xi表示商品组合模式X中第i个商品项，若xi＝1表示商品组合模式X中存在第i个商品项，若xi＝0表示商品组合模式X中不存在第i个商品项；从而对m个商品组合模式进行编码，得到编码后的商品事务数据库D′； 根据所述商品事务数据库D中不同种类商品项的数目n，令商品项Y的编码为“1”，其余n-1个商品项的编码为“0”，从而得到商品元模式的一个个体； S2.2、初始化种群： 首先，定义种群大小为popSize，令popSize＝100； 其次，遍历所述编码后的商品事务数据库D′，找到D′中商品项最多的一个个体，将它的个体长记作maxLen，将其作为初代种群中商品项的数量上限，下限为1； 然后，利用式2和式3计算得到所述初始化种群中的所有个体的相应的支持度、效用值，通过求和取平均得到每一项在数据集中的重要度SUIj： 在式4中，suppIj,utilIj分别是项Ij的支持度和效用值； 最后，对于每个个体随机从[1,maxLen]取一个数作为个体长度，再通过二元锦标赛选出较好的k个商品项组成个体； S2.3、种群进化： 首先，初始化迭代次数L＝0； 其次，定义归减间隔radix，取radix＝5，若L％radix≠0，则采用锦标赛选择的策略对再次排序后的具有多个前沿面的种群进行选择，得到交配池，作为第L次迭代的种群，再对所述第L次迭代的种群中的个体进行交叉变异，从而产生第L+1次迭代的种群；若L％radix＝0，则先进行种群归减和种群修复，从而得到第L+1次迭代修复后的种群，重复以上步骤直至达到最大迭代次数gen； 然后，利用非支配排序对原种群和第L+1次迭代的种群进行排序，得到排序后的第L+1次迭代的具有多个前沿面的种群； 最后，根据欧式距离计算所述排序后的第L+1次迭代的具有多个前沿面的种群的拥挤距离，并根据所得到的拥挤距离，对所述排序后的第L+1次迭代的具有多个前沿面的种群进行降序排序，得到根据拥挤距离降序排序后的第L+1次迭代的具有多个前沿面的种群，即得到最优的一组商品组合模式集； 在S2.3步骤中，所述种群归减，其具体步骤方法为： A1、利用非支配排序算法对所述种群进行排序，得到排序后的具有多个前沿面的种群，第一前沿面的解看作精英解，其余前沿面的解看作非精英解，种群归减部分针对非精英解进行； A2、利用式5确定一下个体中商品项的归减比较次序，TWU越大，比较的优先次序越靠前； 其中，WTi是Ti中所有项的效用和； A3、找到非精英个体Pk中TWU最高项Ii，依次计算Ii与Pk中其他项之间的相关度CorrIi,Ij，其中所述其他项假定为Ij： 式6中，Ii、Ij分别是两个不同商品项，假定Ii优于Ij； A4、根据CorrIi,Ij的大小判断项Ij是否需要被归减： 若CorrIi,Ij≥0.5，说明{Ii,Ij}是频繁项集的概率较高，保留二者且将其作为一个整体与其他项进行相关度判断，再返回至A1步骤依次继续； 若CorrIi,Ij＝0，说明二者完全无关，将项Ij由1归减至0，再返回至A1步骤依次继续； 若0.5CorrIi,Ij0，则进行下一步判断； A5、计算出商品项在种群中的重要度DSPk,Ij，重要度越大，说明项在数据集中越重要； A6、综合考虑项在数据集中重要度和项在种群中重要度，计算出个体Pk中项Ij的归减重要度IIPk，Ij； A7、将归减重要度与当前进化代数相结合，计算出归减翻转概率FPtPk,Ij，若FPtPk,Ij大于随机值，则将项Ij归减为0，FPtPk,Ij越大，归减概率越大； A8、返回至A1步骤依次继续，直至对所有非精英个体进行归减修复操作，得到第L+1次迭代归减后的种群； 在S2.3步骤中，所述种群修复，是指对归减之后的待修复个体进行进化指导，对于随机不重复选取的两个父代个体，仅针对个体中被选状态不同的项进行修复，其具体步骤方法为： B1、综合考虑项在种群的所有个体中的归减重要度和对应的TWU排行情况，计算出项的修复重要度IIRepIj，用于后面的个体修复； B2、随机不重复得取两个个体P1和P2，通过非支配排序将适应度高的个体作为Pb，另一个为Pw，找出个体中0、1状态不同的商品项List，通过考虑List中各项与当前代数计算出对应的修复概率，将Pw中部分项修复至Pb中对应的状态； B3、重复以上步骤，直至所有个体都被选取完毕，得到第L+1次迭代修复后的种群。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人安徽大学，其通讯地址为：230000 安徽省合肥市经济技术开发区九龙路111号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。