薛愈洁

摘 要： 学习分类器系统能够通过简单位串规则的学习有效地引导个体在一个环境中的行为。通过分析基于遗传算法的学习分类器系统的实现原理，提出一种以规则为基础的分类系统，借助训练数据集来实现类别的精确描述，并以数据挖掘中的基准数据鸢尾花卉数据集作为应用对象，实现学习分类器中的消息与分类器系统匹配、桶队列算法信用分配以及基于遗传算法的规则发现。仿真结果表明，通过学习分类器系统优化后，鸢尾花分类的精度好于单个算法的精度。

关键词： 学习分类器； 遗传算法； 桶队列算法； 鸢尾花分类

中图分类号：TP301 文献标志码：A 文章编号：1006-8228（2018）03-60-03

The learning classifier system based on non-random initial population genetic algorithm

Xue Yujie

（School of Computer Engineering， Taiyuan University， Taiyuan， Shanxi 030001， China）

Abstract： Learning classifier system can guide the individual behavior in a random environment with simple string of rule learning. A classification system based on the rules is proposed by analyzing the architecture of learning classifier system based on genetic algorithm with training data set to improve the accurate of the classification. And the matching of message and classifier in the learning classifier system， the credit allocation in bucket-brigade algorithm and the rule discovery based on genetic algorithm are implemented by using the benchmark data in iris flower dataset. The simulation results show that the accuracy of classification is better than the precision of a single algorithm after learning classifier system optimization.

Key words： learning classifier； genetic algorithm； bucket-brigade algorithm； classification of iris flower

0 引言

分類规则是数据挖掘领域中的重要研究内容，其主要思想是通过分析训练集数据，产生关于类别的精确描述[1-2]。此类别描述通常由分类规则组成，可以对未来的做出进行分析与分类预测，有着广泛的应用前景。

分类规则的数据挖掘[3]，主要方法有：决策树法、贝叶斯法、人工神经网络法、遗传算法和粗糙集方法等，在实际应用中，数据集的特征往往复杂多样，需要根据实际情况采取不同的方法进行处理。

遗传算法（GA）是一种寻找最优解的计算方法[4-5]，通过模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程，得到问题的最优结果。借用生物遗传学的观点，通过自然选择、交叉、变异等操作，一代代不断地繁殖进化，最后收敛到一批最适应环境的个体上，从而求得最优分类规则[6]。……