智能家居伴随着近年来物联网技术和智能硬件产业的高速发展,受到了国内外科技组织和科技爱好者的关注,相关产品也逐渐投入市场为普通消费者所接受。目前市场上的智能家居产品大多只能实现较为简单的家电控制操作,在处理用户自定义规则方面性能不佳。主要表现为系统在处理大量规则时耗费时间较长、系统对规则模式下的用户异常行为学习能力不足、目前系统规则库较为单一等方面。本文的研究与优化立足于解决上述问题。本文首先对WoT技术、智能家居系统架构、规则引擎等相关技术进行研究,然后在此基础上提出了三种优化算法。通过对Rete算法中添加回路缓存和动态连接,实现提升规则匹配时间性能的Rete+算法;对用户异常行为进行学习的在线感知机修正算法和挖掘隐性规则的的关联规则模式挖掘算法。本文在提出优化算法的同时,基于WoT智能家居环境,以真实的环境感知信息、用户规则信息和用户行为日志为实验数据,对上述三种优化算法进行实验分析。实验结果表明Rete+算法、在线感知机修正算法、和关联规则挖掘算法在智能家居系统中表现出优越的性能,实现了对智能家居系统的优化。最后对本文的工作进行了总结,并提出改进的方向。