随着数据库系统的不断发展,人类积累了大量的数据。这些数据中蕴含有丰富的、对人类活动有指导意义的知识,有待人们去挖掘。因此,数据挖掘这门学科引起了整个社会的极大关注。关联规则挖掘是数据挖掘中最活跃的研究方法之一,本文首先对关联规则的基本定义及其挖掘最基本的算法——Apriori算法作了一些相关介绍,接着介绍了作为数据挖掘中重要方法之一的遗传算法,主要包括遗传算法的基本步骤、基本要素及其理论基础。然后进一步研究了传统的基于支持度和置信度的关联规则挖掘,提出其局限性,再根据相关性度量即提升度,提出新的兴趣度模型,设计了基于兴趣度的关联规则挖掘算法,并通过实例验证了此算法不仅能够避免生成无用规则和误导规则,还能生成一些感兴趣的负关联规则。最后根据所介绍的遗传算法的思想,进一步研究了遗传算法与关联规则挖掘的结合应用,根据已建立的兴趣度模型,提出了基于兴趣度和遗传算法的关联规则挖掘算法,并通过实例验证了该算法的有效性。