遗传算法是一种非常通用的优化算法，其编码技术和遗传操作比较简单，对优化问题的限制性条件要求很低，具有很强的并行性和全局搜索能力。它能解决很多类实际问题，目前已经在机器学习、模式识别、图像处理、优化控制、组合优化和管理决策等领域得到了很好的应用。因此对遗传算法进行全面的、深入的研究具有重要的意义。　　 在本论文里，主要针对遗传算法在数据挖掘领域中的应用进行研究，所做的工作的主要有：　　 (1)总结近年来数据挖掘和遗传算法的研究与应用现状。对数据挖掘进行了概述，简单介绍了什么是数据挖掘，为什么要数据挖掘，如何进行数据挖掘以及数据挖掘的主要过程，阐明了数据挖掘和遗传算法的产生与发展以及他们的相互结合。　　 (2)介绍了数据挖掘中的一个重要算法——遗传算法，对遗传算法主要理论进行了简要的介绍，讨论了遗传算法的编码方法、遗传算子的设计和适应度函数的构造，并把算法运用在数据挖掘技术中。提出改进的遗传算法及对其代码的基本实现。介绍了遗传算法在数据挖掘中的一些应用，提出了基于遗传算法的关联规则的提取方法，讨论了关联规则的Apriori算法。　　 (3)给出了用遗传算法进行关联规则挖掘的实例，并讨论了遗传算法所面临的问题与挑战。遗传算法，作为一种新生事物，刚一面世，就展现了强大的生命力和广阔的发展空间。尽管遗传算法仍然存在一些不足和缺陷，但随着算法的不断改进、应用领域的不断拓宽和基础理论研究的不断完善，它在科学研究和实际应用中所起的作用将会越来越大。　　 对算法应用的数据测试和性能分析表明，改进算法具有计算效率高、稳定性好等优点，可以用来获得全局最优解。