Quelltext der Seite Learning Classifier System

Ein '''Learning Classifier System''' (LCS, {{deS}} ''Lernende Klassifikatorsysteme'') ist ein Verfahren des [[maschinelles Lernen|maschinellen Lernens]], bei dem [[evolutionärer Algorithmus|evolutionäre Algorithmen]] mit klassischen [[Maschinelles Lernen|Lernalgorithmen]] kombiniert werden, um adaptive Systeme zu erzeugen. 

Diese Systeme basieren auf Regeln, die traditionell die Form der [[Bedingte Anweisung und Verzweigung|bedingten Anweisung]] (Wenn-Dann) aufweisen. Diese Regeln sollen das bestmögliche Verhalten aufgrund einer bestimmten Eingabe ({{enS}} ''input'') ausführen. Sie werden dazu mit einem evolutionären Algorithmus angepasst. Prinzipiell sind vor allem die ''Pittsburgh-Type-LCS'', in denen separate Populationen von Regeln angepasst werden, von den ''Michigan-Style-LCS'' zu unterscheiden. In letzteren werden einzelne Regeln [[Evolution|evolviert]] und keine kompletten Regelsätze.

== Literatur ==
* Larry Bull, Tim Kovacs: ''Foundations of Learning Classifier Systems'', [[Springer Science+Business Media|Springer-Verlag]], Berlin Heidelberg New York 2005, ISBN 3-540-25073-5

[[Kategorie:Maschinelles Lernen]]
[[Kategorie:Evolutionärer Algorithmus]]