申请/专利权人：江南大学

申请日：2023-07-31

公开（公告）日：2023-11-07

公开（公告）号：CN117010991A

主分类号：G06Q30/0601

分类号：G06Q30/0601;G06N3/126

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.24#实质审查的生效;2023.11.07#公开

摘要：本发明公开了一种基于GPU并行改进遗传算法的高利润商品组合挖掘方法，属于数据挖掘与处理技术领域。所述方法通过将遗传算法的多个步骤选择、交叉、变异在GPU中运行。改进的初始化策略和改进的排序PEV策略同样在GPU中执行，这两个策略可以提高迭代性能。同时丰富种群的精英策略也使得较高效用的项集得到保留，以大幅提升收敛性能。而且本申请所采用的带有种群多样性改进的精英策略可以在线性时间内将优秀个体传递给下一次迭代的种群中。最后通过多组实验，从挖掘质量、运行速度、并行加速比等多个方面验证了所提出方法的优势。本申请方法针对现实数据集可以在短时间内得到有用的高效用组合以辅助销售决策。

主权项：1.一种基于GPU并行改进遗传算法的高利润商品组合挖掘方法，其特征在于，所述方法包括：步骤一：在CPU中对交易数据集进行读取和预处理，生成基于TWUX、Sup、uX排序的搜索空间，其中，TWUX表示商品组合X在交易数据集的总效用，Sup表示商品出现的频率，uX表示商品组合X中各商品的效用总和；定义交易数据集为交易数据的集合，记为D＝{T1,T2,T3,…,Td}，1≤d≤N，Td表示第d条交易数据；设I＝{i1,i2,i3,…ip}代表不同的商品；每条交易数据中包含多个项，记作ip，表示对应的商品，其中ip∈I；多个项的组合记作项集X，表示多个物品的组合，每条交易数据包含若干个项集；项集中每个项有对应的价值，价值由数字表示，即项的效用，表示物品ip在交易Td中的价值uip,Td＝pip,Td×qip，pip,Td表示交易数据Td中ip的数量，qip表示项的价值；交易数据中任一项集X的效用为项集中所有项的效用总和： 交易数据的效用是交易数据中每一项的效用总和，定义如下：TUTd＝uTd,Td步骤二：进入GPU迭代环节，基于Sup并行初始化遗传算法的种群，每个种群包含若干个体，每个个体表示一个项集，种群的每个个体在初始化阶段同时并行，并生成项集；步骤三：在GPU中进行选择、交叉、变异，利用GPU多核特性将三个算子按染色体长度对应分配到线程块上，所述三个算子指选择算子、交叉算子和变异算子；所述染色体长度指项集的长度；步骤四：在交叉后执行SPEVC个体修复策略，通过位图映射快速将不存在的项集修剪成存在于数据集的项集，在依次遍历时使用CPU作为同步，GPU做内部并行，评估所有个体的适应度；步骤五：使用精英策略将每个个体位置的最优个体传递给下一次迭代中，利用GPU中的归约操作和共享内存实现并行加速，降低每轮迭代的适应度评估耗时；步骤六：重复步骤三至步骤五，直到达到设定的最大迭代次数或挖掘到全部的高效用项集；所述高效用项集指在交易数据集的总效用TWUX超过预定阈值minUtility的商品组合X。

全文数据：

权利要求：

百度查询： 江南大学 基于GPU并行改进遗传算法的高利润商品组合挖掘方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD