正确答案是：A: 减少候选项集的数目 和 C:减少比较次数。

专业分析：

在频繁项集挖掘中，计算复杂度主要来源于生成和测试候选项集的过程。为了降低计算复杂度，可以采取以下方法：

A: 减少候选项集的数目
- 通过剪枝技术减少候选项集的数目，可以显著降低计算复杂度。例如，Apriori算法利用频繁项集的性质（即所有非空子集也是频繁的）来剪枝不可能的候选项集，从而减少需要计算的项集数目。

C: 减少比较次数
- 通过优化算法，减少在扫描数据库时的比较次数。例如，FP-Growth算法通过构建频繁模式树（FP-Tree），避免了大量的候选项集生成和数据库扫描，从而减少了比较次数。

B: 增加候选项集的数目 和 D: 增加比较次数 都会增加计算的复杂度，不是降低计算复杂度的有效方法。

因此，A和C是降低产生频繁项集计算复杂度的有效方法。