XCS及其在二进制序列分类问题中的应用

李鑫　陶华敏　罗辉舞　吴东娅

摘 要： XCS作为一种基于精度的学习分类器系统，是近年来机器学习领域研究的热点。介绍了XCS的基本结构，研究了其在序列分类问题中的应用，并以此为基础构建一个学习/测试系统，实现了对二进制序列的学习和分类，讨论了相关参数对学习性能的影响，最后对XCS的应用前景进行了总结。

关键词： XCS； 学习分类器系统； 机器学习； 二进制序列

中图分类号： TN957.52?34 文献标识码： A 文章编号： 1004?373X（2014）05?0090?04

0 引 言

自计算机问世以来，人们就一直在研究怎样使其具备和人类一样强大的学习能力，并因此产生了多种机器学习算法。LCS（学习分类器系统）作为一种基于规则的自主学习方法，在机器学习领域占有重要的地位[1]。

1978年，John Holland首次将遗传算法和强化学习的思想结合起来，提出了LCS的概念[1]。但起初LCS规则集的更新方式相对复杂，且更新过程不稳定。为提高LCS的学习性能，S.W. Wilson在1995年提出了XCS（拓展的学习分类器系统）作为LCS的改进形式，XCS对LCS的结构进行了简化，系统内部不再需要复杂的消息列表，并将适应度取值从基于预测回报的强度改为基于预测回报的精度，因此XCS也常叫做基于精度的学习分类器系统[2]。

序列分类是机器学习领域的经典问题，通过对二进制序列的学习与分类，可以更直观地理解XCS的工作特点和学习过程。本文首先介绍了XCS的基本结构；然后讨论了序列学习与分类的问题，构建了二进制序列分类的实验环境并给出部分实验结果，分析了XCS的学习性能；……