随着Internet技术的不断发展,电子商务系统给商家和客户带来了越来越多的信息,于是各种基于电子商务的个性化服务应运而生,个性化服务成为一个研究的热点,引起人们的广泛关注。从客户角度出发,客户更关心顺利找到自己需要的商品。电子商务系统可以模拟商店销售人员向用户提供商品推荐,帮助用户找到所需商品,从而顺利完成购买过程。从企业角度出发,发现高价值的商品组合,帮助企业优化客户,为企业创造更多的利润,是企业实施电子商务系统的最终目的。本文从这两个角度出发,对个性化服务的电子商务模型相关问题进行了深入研究。在文章开头介绍了数据挖掘的主要方法和研究热点。评价了相关问题的研究进展,简要介绍了进化计算理论基础、整体框架以及最新研究进展。以下是本文主要研究内容和创新性工作,主要包括:(1)利用系统分析理论和价值链理论,提出了基于个性化服务的智能化电子商务模式,并分析这种商务模式框架特点和优势。然后,从企业战略角度分析了该模式在电子商务市场环境下竞争优势,并与传统模式进行了比较分析。最后,结合典型案例实证分析了这种新型的电子商务模式的现实意义,针对这种电子商务模式特点制定一套竞争战略,并对战略规划和实施进行详细论述。(2)提出了一种基于遗传算法的顾客购买行为特征提取算法。该算法分为两个阶段,第一阶段,采用Tanimoto相似度来度量顾客间购买行为,并设计遗传聚类算法对顾客群体进行划分,把具有相似购买行为顾客聚集为一类。然后,针对不同顾客群体的购买行为特征,设计一种基于遗传算法的多种群特征提取方法,从各个子群体中发现顾客的购买行为的知识。为了增强种群内部协同进化能力和规则质量,我们采用最近邻替代遗传策略(q-NNR)和局部搜索策略。我们使用实际零售数据集对整个算法进行了验证,并与经典的Apriori算法进行比较,实验结果表明该算法在不需要产生频繁项集的情况下,可以比较高效生成精简规则集,在规则形式方面也更加灵活。最后,我们对实验结果进行了详细的分析。(3)利用关联分析模型,建立一个多目标优化模型。该模型把商品直接收益和由于交叉销售因素产生的间接利润作为两个独立的优化目标,并设计多目标遗传算法进行求解。为了增加种群多样性和提高算法搜索能力,加入个体修补、填充策略和局部搜索策略。最后,用实际零售数据集对该多目标优化模型和多目标遗传算法进行了验证。通过实验分析表明,这种多目标优化算法可以获得丰富信息,为决策者制定具有针对性营销策略提供比较全面的信息。