近年来，随着计算机技术的普及和数据库技术的发展，用数据库记录并保存数据已经广泛应用到了社会生活的各个领域。尤其在商务界更是积累了大量的数据。如何找出数据之间的关联，将信息转换成知识以供未来的决策已经成为近年来的热点问题。以Apriori 算法为核心算法的关联规则挖掘技术的出现使这一想法成为了可能。利用关联规则来安排超市的进货、出货供应和货架安排是关联挖掘成功的典型范例。但是由于数据形式及结构的多样性，Apriori 算法也具有一定的局限性。随着近年来人工智能的发展，一些智能算法也被广泛应用到了数据挖掘中。遗传算法更是以它的混沌、随机、非线性为典型特征成为众多算法的首选。遗传算法利用生物学基础，采用“优胜劣汰”的竞争机制，在一定范围与时间内寻求问题的最优解。 所以，课题决定融合Apriori 算法和遗传算法构建挖掘模型来挖掘商务数据库中的关联规则。课题详细研究了两大理论—数据挖掘理论和关联规则理论以及两大算法—Apriori算法和遗传算法。文中一方面从数据挖掘的概念、功能、方法及应用到关联规则概念和分类等做了详细的论述，为课题的研究打下了坚实的基础。另一方面从经典的Apriori 算法及其改进到遗传算法的编码、适应度函数及遗传算子等做了深入的研究，为课题的研究提供了强有力的工具。 课题融合了两大理论与算法，提出了一新的商务数据库关联规则的挖掘模型，并将其作用到了一实际的近百万条数据的数据库中，论证了理论的可行性。