【正文】 1 到 sum 之間的數(shù)，根據(jù)產(chǎn)生的隨機數(shù)得到對應的種群個體，此方式正是模擬了遺傳的特點，適應度大的被選中的幾率就大，反之被選中的幾率就小。下面此循環(huán)就是計算適應度的總和。 for(i=0。i50。i++){ sum += fitD[i]。 } 以下代碼則是輪盤賭算法的實現(xiàn)： for(i=0。i50。i++){ //根據(jù)隨機選擇個體 . n = ((int)(()*val))+1。 sum = 0。 j = 0。 m = 0。 while(true){ sum += fitD[j]。 if(sum=n){ break。 } else m++。 j++。 } gener[i] = Ch[m]。 }最后，把根據(jù)輪盤賭算法選中的種群個體存放到 gener 數(shù)組中。（2）交叉（crossover）實際應用的事務數(shù)據(jù)庫中項的個數(shù)往往比較大，即編碼串比較長。為了促進解空間的搜索，防止過早地收斂，本文交叉操作的交叉點數(shù)由 確定，其中的n 為遺傳算法的一個輸入?yún)?shù)，在運行時設置，可以設置為 20 等。交叉位隨機產(chǎn)生。例如，圖 1 所對應的事務數(shù)據(jù)庫，如果 n 設置成 10，則為單點交叉，對于父代個體 1“11010”和父代個體 2“01001”，若隨機產(chǎn)生的交叉點是 3，則交叉后產(chǎn)生的子代個體 1 和子代個體 2 分別為“11001” 、 “01010”。染色體的交叉的實現(xiàn)代碼如下：第 17 頁 共 24 頁while(ijcha/2){ m = (int)(()*50)。 //選擇進行交換的兩個體的下標 m,n. int ra = (int)(()*50)。 n = (m+ra)%50。 p = (int)(()*405)。 //p 值為染色體交換位. CharSequence rt1 = gener[m].subSequence(p,gener[m].length())。 //第 p 位后的染色體交換. CharSequence rt2 = gener[n].subSequence(p,gener[n].length())。 gener[m] = gener[m].replace(gener[m].subSequence(p,gener[m].length()),rt2)。 gener[n] = gener[n].replace(gener[n].subSequence(p,gener[n].length()),rt1)。 i++。 } （3）變異（mutation）因為初始種群的產(chǎn)生是隨機的，所以事務數(shù)據(jù)庫中所有的項并不一定都出現(xiàn)在初始種群中，這會造成部分規(guī)則的遺漏以及過早收斂。因此本文進行變異操作時，先以一概率隨機選擇個體，選中后，隨機產(chǎn)生變異位，對變異位作翻轉(zhuǎn)操作。 變異的實現(xiàn)，在本設計中是通過隨機產(chǎn)生需要進行變異的種群個體和選中個體中需要變異的的染色體位置，然后把此位置對應的值進行翻轉(zhuǎn)，把‘1’變成‘0’ ，或者把值為‘0’的變成‘1’ 。 for(j=0。jbyg。j++){ p = (int)(()*405)。 //個體中染色體變異. for(k=0。k10。k++){ p1[k] = (((int)(()*405))+p)%405。 } int p2 = (int)(()*50)。 //產(chǎn)生變異的個體的位置. char bianyi[] = gener[p2].toCharArray()。 for(k=0。k10。k++){ if(bianyi[p1[k]]==39。139。){ bianyi[p1[k]] = 39。039。 } else{第 18 頁 共 24 頁 bianyi[p1[k]] = 39。139。 } } for(k=0。k405。k++){ //變異后再轉(zhuǎn)換成字符串. if(k==0){ gener[p2] = (bianyi[k])。 } else{ gener[p2] += (bianyi[k])。 } } } 算法流程5 測試本論文將上述方法用于中藥配伍規(guī)律的研究中，從大量古今中藥方劑中挖掘藥對藥組。藥對是臨床上相對固定的兩味藥物的配伍形式，是中藥配伍中的N開始產(chǎn)生初始種群計算適應度，把符合要求的個體放入規(guī)則庫達到預設世代數(shù)？選擇交叉變異結(jié)束Y圖 2 基于遺傳算法的雙向關聯(lián)規(guī)則挖掘算法流程圖第 19 頁 共 24 頁最小單位；藥組是臨床上相對固定的兩味藥物以上的配伍形式，也可以把它看作不限于兩味藥物的特殊藥對，這些藥對藥組對于研究中藥配伍規(guī)律具有重要意義。本文實驗基于脾胃類方劑庫。該方劑庫含 1060 首方劑，涉及 405 味藥。實驗采用了基于遺傳算法的雙向關聯(lián)規(guī)則挖掘算法來尋找藥對藥組。此系統(tǒng)具有的數(shù)據(jù)挖掘功能，其中有兩個選擇的模式，一是一般模式狀態(tài)下的雙向關聯(lián)規(guī)則挖掘，用戶可以輸入相應的最小置信度和遺傳的代數(shù)。二是高級設置模式下的雙向關聯(lián)規(guī)則挖掘，用戶可以輸入初始種群個數(shù)、遺傳代數(shù)、最小置信度和變異率四個參數(shù)。圖 3 一般模式狀態(tài)下的雙向關聯(lián)規(guī)則挖掘界面圖 4 高級設置狀態(tài)下的雙向關聯(lián)規(guī)則挖掘界面第 20 頁 共 24 頁在以上兩個模式下，根據(jù)輸入的參數(shù)運行得到的結(jié)果的狀態(tài)如下所示：圖 5 一般模式狀態(tài)下的雙向關聯(lián)規(guī)則挖掘結(jié)果顯示第 21 頁 共 24 頁由以上兩種模式下運行得到的結(jié)果表明：（1）用基于遺傳算法的雙向關聯(lián)規(guī)則挖掘算法得到的藥對藥組，每味藥都滿足最小置信度要求，所以那些高支持度低置信度藥就被排除了，得到的藥對藥組都具有重要意義。（2）基于遺傳算法的雙向關聯(lián)規(guī)則挖掘算法能找出了有意義的藥對藥組。（3）基于遺傳算法的雙向關聯(lián)規(guī)則挖掘算法不需要反復掃描事務數(shù)據(jù)庫，挖掘規(guī)則的速度大大提高。結(jié) 論經(jīng)過本學期幾個月的設計和開發(fā)，基于遺傳算法的中藥藥對挖掘系統(tǒng)基本開發(fā)完畢。其功能基本符合需求，能夠完成根據(jù)用戶輸入的置信度、遺傳代數(shù)、初始種群個體數(shù)量，完成中藥數(shù)據(jù)庫數(shù)據(jù)挖掘功能。但是，由于做此畢業(yè)設計的時間較短，因此，該系統(tǒng)還有很多地方存在不足，例如在系統(tǒng)界面和風格方面太過于普通，不夠美觀，而且用戶的操作的內(nèi)容不夠詳細豐富；在系統(tǒng)進行數(shù)據(jù)挖掘過程中，運算的時間過長，給用戶的使用帶來不夠人性化；對畢業(yè)設計和論文的具體步驟和相關信息的考察還不能夠盡如人意等問題。這些都還有待進一步的完善。通過對本次畢業(yè)設計的相關內(nèi)容的學習和設計內(nèi)容的實現(xiàn)，使得作者對程序的編寫有了更進一步的認識：編寫程序代碼并不是最重要的，關鍵在于前期的需求分析和程序的運算流程的清楚，在沒有很好的把思路理清楚之前就盲目圖 6 高級模式狀態(tài)下的雙向關聯(lián)規(guī)則挖掘結(jié)果顯示第 22 頁 共 24 頁的下手編寫程序，那樣會很浪費時間，效率很低。最后，本文分析了基于支持度置信度框架理論的關聯(lián)規(guī)則挖掘算法的不足，引入了雙向關聯(lián)規(guī)則的概念，并詳細講解了本設計基于遺傳算法的雙向關聯(lián)規(guī)則挖掘算法具體流程，同時也實現(xiàn)基于遺傳算法的雙向關聯(lián)規(guī)則挖掘算法，使用本挖掘系統(tǒng)，可以快速、準確找出事務數(shù)據(jù)庫中有意義的規(guī)則。參考文獻[1] 歐陽為民,[J].軟件學報,1999,26(3):754760。[2] 周延泉,[J].西北工業(yè)大學學報,2022,19(4):639643。[3] 王瑋,[J].計算機工程,2022,26(7):68。[4] 王階,衷敬柏,[J].中醫(yī)雜志,2022,42(8):4246。[5] [J].陜西中醫(yī),2022,23(4):1217。[6] 王小平,－理論、應用與軟件實現(xiàn)[M].西安:西安交通大學出版社,2022,1079。[7] 耿詳義, 2 實用教程（第二版）[M].北京:清華大學出版社,2022,337376。[8] 數(shù)據(jù)庫高級編程[M].北京:清華大學出版社,2022,7990。[9] 黃明, 梁旭,曹利超. JAVA 信息系統(tǒng)設計與開發(fā)實例[M].北京:機械工業(yè)出版社,2022,1035。第 23 頁 共 24 頁致 謝本文是在曾令明老師的熱情關心和指導下完成的，他淵博的知識和嚴謹?shù)闹螌W作風使我受益匪淺，對順利完成本課題起到了極大的作用。在此向他表示我最衷心的感謝！在論文完成過程中，本人還得到了毛磊同學的熱心幫助，本人向他們表示深深的謝意！最后向在百忙之中評審本文的各位專家、老師表示衷心的感謝！作者簡介：姓 名：吳金偉 性別：男出生年月：1984－12－11 民族： 漢Email:第 24 頁 共 24 頁第 25 頁 共 24 頁聲 明本論文的工作是 2022 年 2 月至 2022 年 6 月在成都信息工程學院網(wǎng)絡工程 系完成的。文中除了特別加以標注地方外，不包含他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得成都信息工程學院或其他教學機構(gòu)的學位或證書而使用過的材料。除非另有說明，本文的工作是原始性工作。關于學位論文使用權(quán)和研究成果知識產(chǎn)權(quán)的說明：本人完全了解成都信息工程學院有關保管使用學位論文的規(guī)定，其中包括：（1）學校有權(quán)保管并向有關部門遞交學位論文的原件與復印件。（2）學校可以采用影印、縮印或其他復制方式保存學位論文。（3）學校可以學術交流為目的復制、贈送和交換學位論文。（4）學?？稍试S學位論文被查閱或借閱。（5）學?？梢怨紝W位論文的全部或部分內(nèi)容（保密學位論文在解密后遵守此規(guī)定） 。除非另有科研合同和其他法律文書的制約，本論文的科研成果屬于成都信息工程學院。特此聲明！ 作者簽名：年 月