赵群礼，郭玉堂

合肥师范学院计算机学院，安徽合肥，230061

挖掘可删除项集(Erasable Itemset)是Deng等人在2009年提出的[1]，用于解决在企业资金紧张的情况下，停产哪些产品损失的利润较小，并据此制定新的产品计划。在此基础上国内外多位学者提出了多种挖掘可删除项集的算法，比如Deng等人在先后提出了VME[2]算法、MERIT[3]算法，Le等[4]在2014年提出了MEI算法，这些算法都能在产品数据库中有效挖掘可删除项集。但是当阈值较大时，这些算法在挖掘过程中都会产生大量的项目集，占用了较大的内存空间和CPU计算时间。为了减少挖掘过程中产生的项目集的数量，节约占用的存储空间，Deng等[5]在2013年提出了挖掘Top-rank-k可删除项集的VM算法；Nguyen等[6]在2015年提出了挖掘可删除闭项集的MECP算法，Vo等[7]在2017年提出了基于约束的挖掘算法pMEIC；Nguyen等[8]在2019年提出了挖掘最大可删除项集的GenMax-EI、Flag-GenMax-EI和PE-GenMax-EI算法。这些算法都能有效解决可删除项集的挖掘问题，而且挖掘的项目集数量都相对较少。但相比较而言，挖掘最大可删除项集的算法产生的项目集更少[8]。另外，由于最大可删除项集的所有子集都是可删除项集，因此，在实际应用中可以将挖掘可删除项集问题转化为挖掘最大可删除项集问题，以减少挖掘过程中的计算量和存储空间。

目前，挖掘最大可删除项集的最新算法主要是Nguyen等人在文献[8]中提出的三个算法：GenMax-EI、Flag-GenMax-EI和PE-GenMax-EI，其中PE-GenMax-EI算法的效率最好。PE-GenMax-EI算法采用了GenMax算法的思想，虽然在挖掘过程中也采用了剪枝技术，但该算法采用按层搜索的方式，在搜索过程中产生了大量的候选项目集，每个候选项集都需要计算收益值，浪费了大量CPU的计算时间和内存空间。……