随着数据库的广泛应用,人们所积累的数据量在急剧增加,如何从大量的数据中提取有用的知识,就成为当务之急。在这种情况下,人们引入了数据挖掘的思想,通过它可以预测未来的趋势和行为,作出超前的、基于知识的决策。目前数据挖掘技术已广泛应用于各行各业,比如根据数据挖掘结果可以进行优化决策。然而实际应用中的许多优化决策问题都趋于复杂化,所以研究多目标优化问题的求解方法具有重要的学术意义和应用价值。本文基于数据挖掘技术和多目标优化设计的理论,重点研究了具体实例中的多目标优化问题。首先,介绍了选题背景和研究意义,进一步分析了国内外数据挖掘和多目标优化设计的研究现状,同时给出了论文的主要研究内容和结构。其次,简单介绍了数据挖掘技术,并给出了数据挖掘的基本概念,对数据挖掘的常用算法进行了系统的归纳,列举了数据挖掘的应用领域。然后,简述了优化设计的产生与发展,给出了多目标优化设计的定义和原理,同时详细分析了遗传算法的特点,重点介绍了几种基于遗传算法的求解多目标优化问题的方法,并列举了一些经典案例来说明多目标优化设计的用途。又针对某生物杀螺剂制作过程中的多目标优化问题,提出了一种应用Pareto遗传算法来解决问题的优化方法,建立了用于多目标优化的适应度函数,使用排列选择法将带约束的多目标优化问题转换为无约束的优化问题,并根据计算中的收敛情况引入了适当的移民算子,改善了遗传算法的进化性能,得到了Pareto最优解集,成功地解决了该生物杀螺剂的最优配方问题。最后,对论文的主要研究内容进行了总结,展望了今后的研究前景。