Resumen
O processo geral de descoberta de conhecimento em banco de dados é composto por diversas etapas, destacando-se a de Mineração de Dados (MD). As principais tarefas de MD são associação, agrupamento e descoberta de regras de classificação. A tarefa de classificação pode ser realizada por algoritmos convencionais (e.g., estatísticos) ou por métodos de inteligência artificial (e.g., redes neurais, algoritmos evolucionários, etc.). Nesta pesquisa o interesse é revisar algumas abordagens que utilizam algoritmos genéticos (AG) em combinação com conjuntos difusos (CD) de forma híbrida para realizar busca em espaços grandes e complexos. Este artigo mostra diversas abordagens híbridas (AG+CD), desenvolvidas para descoberta de regras de classificação, disponíveis na literatura e indica a possibilidade de adaptação das mesmas na descoberta de conhecimento em banco de dados de Ciência e Tecnologia (C&T)