在石油化工行业及储油运油港口中，管道的路径选择是一项基础而重要的工作。管道的路径选择关系到石油在管道中运输的损耗，管道清洗的频率及清洗石油损耗，直接影响了输送的成本和工作的效率。 目前大多数终端的路径选择都是采取有经验的人工进行选择，使用较常用的传输线路，或者是根据管道的工程图，选择畅通的路径。这些路径选择没有考虑到管道的使用效率，导致成本的提高。一些简单的管道路径选择算法，采用递归调用的思想查找路径，在阀门结点较多的情况下，路径搜索较慢，不能很好的满足用户的需要。使用遗传算法，根据实际的管道、阀门、装载臂和软管的特点及各种约束条件，搜索出有效的管道路径，对减少管道中的石油损耗、降低企业生产成本是必要而且迫切的。 数据挖掘(Data Mining)是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。人们已逐渐认识到数据挖掘技术能将原始数据转换为有意义的形式，从中挖掘潜在蕴含的科学知识，具有巨大商业价值，从最初的商业应用到现在，数据挖掘已逐渐扩展到医疗、金融、生物、电信、军事、体育等诸多领域。经过十多年的发展，已经逐渐建立起系统的挖掘理论和成熟的挖掘技术，形成了以关联分析、分类、聚类分析、回归分析等为主要形式的应用技术。 遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律(适者生存，优胜劣汰遗传机制)演化而来的高效并行全局随机化搜索方法，在许多领域取得了良好的效果。遗传计算主要有三个分支：(1)基本的遗传算法(Genetic Algorithms， GAs)是演化计算中最重要分支之一；(2)遗传程序设计(Genetic Programming，GP)是基本遗传算法的一个变体；(3)基因表达式编程(GEP)是C.Ferreira发明的一种新的遗传算法。 将遗传算法与石油化工行业的管道路径选择结合起来，对管道路径进行优化是本文的研究重点。通过建立以成本最小为目标的数学模型，采用二进制编码方法，设计遗传算法的选择、交叉和变异算子及其执行参数，尤其是采用了最佳保存策略的改进方法，保证了解的快速收敛性；在此基础上，运用Java语言编制了管道路径优化程序。最后，结合实际管道情况进行运算，并得到较为理想的结果，证明运用遗传算法对管道路径选择进行优化的尝试是成功的。