1、人工魚群算法(ArtificialFishWarmAlgorithm，AFWA)是人工智能領(lǐng)域中的一項(xiàng)新興技術(shù)，自2002年被提出以來，已經(jīng)逐漸被廣泛地應(yīng)用于各種優(yōu)化問題與數(shù)據(jù)挖掘領(lǐng)域。數(shù)據(jù)分類是根據(jù)樣本屬性特征進(jìn)行分門別類，作為數(shù)據(jù)挖掘最為重要的內(nèi)容之一，廣泛存在于各個(gè)應(yīng)用領(lǐng)域。分類規(guī)則挖掘是數(shù)據(jù)分類的深化表現(xiàn)，它不僅著眼于眼前樣本的分類更著重于對(duì)其他數(shù)據(jù)的類別預(yù)測(cè)，是一種重要的數(shù)據(jù)挖掘知識(shí)。在現(xiàn)有的研究中，將人工魚群算法應(yīng)用于數(shù)據(jù)分

2、類以及規(guī)則提取領(lǐng)域的比較少見，所以本文針對(duì)該問題進(jìn)行了深入研究。
　　受多群協(xié)同進(jìn)化思想的啟發(fā)，本文設(shè)計(jì)了一種多群協(xié)同進(jìn)化魚群(multiartificialfishswarmcooperationalgorithm，MAFWA)算法用于分類規(guī)則挖掘研究當(dāng)中。其主要思想為:設(shè)計(jì)多個(gè)魚群，每一群體用于提取一個(gè)類別的規(guī)則，多群同時(shí)進(jìn)化，協(xié)同提取完整的數(shù)據(jù)分類規(guī)則。與傳統(tǒng)的用一個(gè)魚群進(jìn)行多個(gè)類別規(guī)則提取的思路相比，減少了人工魚之間進(jìn)行復(fù)

3、雜通信所需要的時(shí)間，降低了算法的復(fù)雜度，有效的提高了算法的收斂速度和規(guī)則的提取精度。
　　同時(shí)為了彌補(bǔ)基本魚群算法中種群多樣性程度較低、易陷入局部最優(yōu)等缺點(diǎn)，本文基于遺傳的思想引入了自適應(yīng)調(diào)整的選擇算子、交叉算予以及變異算子來對(duì)基本人工魚群算法進(jìn)行改進(jìn)，進(jìn)一步設(shè)計(jì)了多群交叉變異人工魚群算法(MultiArtificialFishWarmAlgorithmwithCross,MutationAndChoose,MAFWA_CMC)進(jìn)

4、行分類規(guī)則挖掘，使得算法有效避免早熟，效率得到進(jìn)一步提高。
　　最后仿真實(shí)驗(yàn)結(jié)果顯示:MAFWA能夠快速生成分類精度較高的規(guī)則，并且在規(guī)則提取效率以及精度上都全面超過了基本人工魚群算法;而進(jìn)一步改進(jìn)后的MAFWA_CMC算法也在收斂速度和分類規(guī)則精度上有明顯的提高，但由于選擇算子、交叉算子以及變異算子的引進(jìn)增加了MAFWA_CMC算法的計(jì)算時(shí)間，但是在對(duì)高維數(shù)據(jù)的分類過程中該劣勢(shì)基本可以被算法的快速收斂速度抵消;同時(shí)MAFWA_C