张宇献，陈向文，钱小毅

(沈阳工业大学 a. 电气工程学院，b. 信息科学与工程学院，沈阳 110870)

基于规则的分类系统(rule-based classification systems，RBCSs)由若干条包含数值型前件的规则构成，通过对训练样本的学习实现规则挖掘，根据规则与新样本的匹配程度进行分类.与其他分类系统相比，基于规则的分类系统除了可同时处理专家知识、数学模型和经验数据等多源信息，其输出结果还具有极强的可解释性，给决策者或操作者提供了更好的决策依据，因此，系统被广泛应用于纵多领域[1-2].

文献[3]提出一种基于小生境遗传算法的规则提取算法，从规则编码、适应度设计、搜索策略三个方面做了讨论和分析，但算法耗时长，计算量大，同时种群多样性差；文献[4]通过改进基因表达式编程(GEP)提出兼顾规则一致性增益和完备性的适应度函数，但是GEP采用多基因染色体模式解决问题时，染色体中基因数目不好控制；文献[5]提出一种基于粗糙集增量式规则自动学习的方法获取分类规则，避免了繁琐的重训练过程，但此方法不能准确找到规则进行样本分类且更新过程繁琐；文献[6]通过采用自适应信息素更新和更换启发式函数的蚁群算法(ACO)实现分类规则的挖掘，精度有所提升，但是算法收敛速度缓慢，且易陷入局部最优解；文献[7]在ACO算法的基础上提出了一种自适应蚁群算法，通过动态调整决定性选择概率和波动系数值，加快ACO收敛速度，但搜索空间有限且鲁棒性较差；文献[8]将粒子群算……