Un système de classeurs (Learning Classifier System ou LCS en anglais) est un système d'apprentissage automatique utilisant l'apprentissage par renforcement et les algorithmes génétiques. Ils ont été introduits par Holland en 1977 et développé par Goldberg en 1989 Un système de classeurs (aussi appelé classifiers) est composé d'une base de règles, appelée classeur, associés à un poids. Chaque règle est composée d'une partie condition et d'une partie action. Le classeur commence par être initialisé (aléatoirement ou non). Pour exécuter un système de classeur, on sélectionne l'ensemble des règles applicables pour la situation en cours et l'on effectue un tirage aléatoire proportionnel aux poids de chaque règle. Si l'action est mauvaise, on diminue le poids de la règle ayant été sélectionnée. Si au contraire elle a été bénéfique, on augmente ce poids. L'apprentissage consiste à exécuter un algorithme génétique qui va produire d'autres classeurs avec des règles différentes. Il existe plusieurs types de système de classeurs. On pourra par exemple citer : Type Michigan : L'algorithme génétique est exécuté sur une population de règles. Type Pittsburgh : L'algorithme génétique est exécuté avec des individus représentant un classeur complet et non plus seulement chaque règle. ZCS XCS ACS Système de classeurs flous Cet exemple présente un système de classeurs de type Michigan très simple. Considérons un environnement constitué de cases pouvant être remplies ou vides. Un robot évoluant dans cet environnement peut se déplacer sur une des cases adjacentes si celle-ci est vide. En numérotant les cases entourant le robot de 1 à 8 (par exemple en partant de la case en haut à gauche et en tournant dans le sens des aiguilles d'une montre), on peut écrire une condition de huit éléments binaires (0 ou 1), où le ième élément représente si la ième case adjacente est pleine ou vide. Par exemple, la condition 01000000 est vraie si le robot n'a qu'une seule case remplie autour de lui (la case au "dessus", voir figure).