子群发现是一种新兴的数据挖掘技术,用于提取数据中的有效信息,其获取的知识通常以规则的形式表示,称之为子群。本论文研究了三种子群发现算法——CN2-SD、 SDIGA、NMEEF-SD,并针对NMEEF-SD算法的不足提出一些改进方法,主要工作如下：首先,介绍子群发现的基本概念,结合参考文献,分析子群发现算法的研究现状,并阐述了子群发现算法研究的主要内容。其次,研究CN2-SD子群发现算法,重点分析如何改进分类算法,使算法能够提取规则描述目标群体。结合实验结果,验证CN2-SD算法能够获得符合要求的规则。然后,针对CN2-SD子群发现算法的不足,研究一种基于单目标进化的子群发现算法——SDIGA。SDIGA算法首次将遗传模糊系统引入子群发现算法中,以接近人类语言的形式展示归纳的知识。通过对实验数据集进行规则提取,获得一系列规则,详细解释获得的知识。最后,研究一种基于多目标进化的子群发现算法一—NMEEF-SD,并在NMEEF-SD算法基础上提出一些改进方法。NMEEF-SD算法使用NSGA-Ⅱ多目标遗传算法进行子群发现,能够提取形式新颖、易于理解的模糊规则,本论文在NMEEF-SD算法基础上提出了以下改进方法：(1)在规则种群进行多目标非支配排序时,将加权覆盖度作为多目标排序的一个目标函数；(2)使用基于加权覆盖度的混合选择机制挑选父代规则个体用于交叉操作；(3)将SDIGA算法后续处理过程引入算法中。结合实例仿真,分别验证三点改进方法的有效性。