随着数据库和信息技术的迅猛发展，通过其得到的快速增长的海量数据因为得不到人们的理解而变为一座座的“数据坟墓”。作为解决这一问题的重要方法，数据挖掘引起了信息产业界的极大关注，对其相关领域技术与方法的研究已成为一个热门学科。作为数据挖掘技术的重要组成部分，关联规则挖掘技术因其广泛应用于发现大量事务商务记录中的相关关系而得到了人们特别的重视。供应链管理则有助于企业对其物流进行更好的优化配置，从而得到越来越多企业的青睐。以上几个方面的研究都在电子商务中占有重要的地位，并日益成为此领域内的研究热点。然而传统技术均存在各种各样的不足，因此迫切需要性能更好、效率更高的新方法。 本文首先引入了人工免疫系统概念，并应用其中的免疫克隆算法对多维关联规则挖掘算法及供应链管理模型求解算法进行了改进。实验证明，改进后的算法无论是在执行效率上，还是在收敛速度上，都比传统算法有了一定的提高。由于克隆算法本身具有的并行性和易操作性，使多维关联规则挖掘这类NP问题得以快速的解决，同时也使供应链求解算法更为快速有效。 本文分析了传统关联规则挖掘方法(Apriori算法、基于进化的关联规则挖掘算法，基于免疫的关联规则挖掘算法)、传统供应链求解算法(基于进化算法的供应链求解算法)的优势和不足，并以此为基础，结合免疫克隆算法，做出了如下创新： 1．关联规则挖掘是NP完全问题。免疫克隆算法具有比遗传算法更加优良的全局和局部寻优能力，本文给出了采用免疫克隆算法进行多维数据挖掘的步骤，并进行了仿真试验。实验证明此算法比传统算法具有更好的性能。 2．提出了基于免疫克隆算法的供应链求解算法。在本文中，通过克隆算法来进行供应链的求解，并进行仿真试验，理论分析和试验结果表明，该算法是可行和有效的，最终取得了比较好的检测结果。本文提出的新方法为供应链求解算法的发展提供了一条新思路。 在本文的最后，对本文提出的算法与传统算法，即Apriori算法、基于进化的关联规则挖掘算法、基于进化的供应链求解算法做了对比，认为：传统方法与免疫克隆方法的融合是提高关联规则挖掘算法和供应链求解算法性能的新途径。