近些年来，以规则引擎为核心的业务规则管理系统得到了很大的发展，但规则引擎服务器的效率始终处于一个比较低的水平。造成这一结果的原因有很多，其中规则引擎工作存储器中大量无效数据的存在，极大地耗费了规则引擎服务器的时间和空间资源。　　 本文详细研究规则引擎的核心技术Rete算法和规则匹配的具体过程，发现无效数据主要分为两种。它们是:一、匹配前加入到工作存储器中与规则匹配结果无关的数据；二、匹配网络Beta部分生成的无效中间匹配结果。针对这两种无效数据，本文提出具有学习能力自搜索方案。该方案根据规则引擎规则库中的具体规则，找出规则涉及到的各对象之间的关联关系，然后将关联关系加入到搜索条件中去约束搜索，从而达到将不满足规则关联关系的无效数据排除进入规则引擎工作存储器中的目的。另外，该方案还赋予搜索以学习能力，使得搜索可以得到不断优化，最终将最大量的无效数据排除进入规则引擎的工作存储器。　　 本文在介绍作者研究之前，讲解了规则引擎的产生背景、相关概念及其理论基础，以便读者可以很好地理解。