针对规则集学习问题，提出一种遵循典型AQ覆盖算法框架（AQCoveringAlgorithm）的蚁群规则集学习算法（Ant-AQ）。在Ant-AQ算法中，AQ覆盖框架中的柱状搜索特化过程被蚁群搜索特化过程替代，从某种程度上减少了陷入局优的情况。在对照测试中，Ant-AQ算法分别和已有的经典规则集学习算法（CN2、AQ-15）以及R.S.Parpinelli等提出的另一种基于蚁群优化的规则学习算法Ant-Miner在若干典型规则学习问题数据集上进行了比较。实验结果表明：首先，Ant-AQ算法在总体性能比较上要优于经典规则学习算法，其次，Ant-AQ算法在预测准确度这样关键的评价指标上优于A