随着信息化进程的不断推动,各行各业所产生的数据急剧膨胀,利用传统的数据库方法已不能满足人们对发现知识的渴求。于是,数据挖掘技术应运而生,数据挖掘技术的出现帮助我们解决了一些复杂的问题。其中关联规则是数据挖掘中研究较深入的领域之一。关联规则挖掘的目的是从海量数据中发现项与项之间的联系。现已从购物篮分析扩展到很多方面。遗传算法作为优秀的全局搜索算法在数据挖掘方面展现出独特的优势。本文针对传统的遗传算法中表现出来的易陷入局部最优以及早熟的缺点,提出改进的多种群遗传算法。该算法依据自然界中能量传递方式,产生大小规模不等的三个初始种群。针对三个初始种群的不同特点分别采取不同的进化策略,从而快速的达到全局收敛。论文在理论基础上最后应用于实际,通过UCI(University of California Irvine)提供的森林火灾数据进行关联规则的挖掘。实验表明:本算法能有效的找出有用的规则,并通过这些规则分析出影响当地火情的主要气象因素。本文涉及到的主要工作如下:(1)归纳总结现阶段数据挖掘及关联规则的研究情况。(2)介绍传统遗传算法并提出改进思路。(3)针对传统遗传算法的不足,提出改进型的多种群的遗传算法,并通过对比传统遗传算法验证本算法的可行性和有效性。(4)讨论运用遗传算法进行关联规则的挖掘,并将本算法应用于实际,用于指导预测森林火灾的发生。