1、數據分類一直是數據挖掘研究領域中的核心問題。在數據分類中，遺傳算法是應用較為廣泛的一種分類算法。Holland提出的基于遺傳算法的分類系統(tǒng)作為第一個基于遺傳算法的機器學習系統(tǒng)，從誕生開始就備受關注。目前，遺傳算法在分類學習中的應用仍是數據分類中的研究熱點。 本文通過對分類系統(tǒng)和遺傳算法的理論技術進行研究分析，發(fā)現以下問題。一方面，遺傳算法作為一種基于生物進化論和分子遺傳學的全局隨機搜索算法，其顯著特點是具有隱含并行性和對全局信息

2、的有效利用能力，但對于系統(tǒng)中的反饋信息利用卻無能為力，當求解到一定范圍時往往做大量無為的冗余迭代，具有求精確解效率低，局部搜索能力弱、易出現“早熟”現象等缺點；另一方面，基于遺傳算法的分類系統(tǒng)的分類準確率不高。 針對上述問題，本文研究了分類系統(tǒng)中遺傳分類算法的改進策略。首先，將遺傳算法的解空間進行均勻劃分并采用蟻群信息素對每個子空間進行標定，利用留存的信息素控制選擇操作。其次，設計了雙重選擇算子、基于“雜交優(yōu)勢”思想的交叉算子和