现代许多的信息系统是由流程模型驱动的,流程建模是系统成功运行的关键因素。流程挖掘技术旨在通过分析事件日志自动产生流程模型,从而辅助流程模型的设计与再设计。尽管目前已经出现了许多流程挖掘方法,但它们都或多或少存在着不足。这些方法专注于从日志描述的行为方面进行挖掘,而忽视了流程模型本身的结构性。流程的复杂度描述了流程的简单性和易于理解的程度,较高的流程复杂度会影响流程的可阅读性。遗传规划有很强的鲁棒性,其基于树状结构的个体表示能够描述流程的特殊结构,引入流程复杂性适应度使其在挖掘日志行为的同时考虑流程模型本身的复杂度,从而实现非复杂流程的挖掘。首先综述了流程挖掘的研究现状及存在的问题,指出了用遗传规划挖掘非复杂流程模型的意义。然后对基于遗传规划的流程挖掘进行了分析,提出了基于树状结构的流程个体(ECM),通过实现流程复杂度度量与流程挖掘技术的结合,可以实现非复杂流程的挖掘。在此基础上,为了实现非复杂流程的挖掘,本文重点将流程复杂度与基于遗传规划的流程挖掘算法相结合,提出了基于ECM的流程结构性复杂度度量,然后将其转化为复杂性适应度引入到遗传规划的适应度函数中,从而实现了利用遗传规划挖掘简化业务流程。最后,基于ProM开发了基于遗传规划挖掘流程模型的插件,并通过实验验证了该算法的有效性。