分類元系統是建構在基因演算法的一種機器學習系統,一個分類元依靠環境給予的回饋決定它的適應度,適應度較高的分類元才可以生存下去,適應度較低的分類元會逐漸被淘汰。因此,分類元系統是以規則為單元、透過訊息傳遞的方式,並以大量並行處理及接受環境的回饋來達成學習的一種機器學習機制。Holland的LCS分類元系統曾經被應用到股票管理、產生決策、以及存貨管理等諸多問題上,然而它的學習機制及系統架構有些缺點。本文中,我們針對LCS的缺點提出一個名叫TLCS的分類元系統,此系統具有增強式的學習能力,能夠適應動態環境的變化而自行修改或產生新的分類元,達成機器學習的目的。本論文僅就TLCS的系統架構、功能以及作業方式提出具體說明。