با توجه به دسترسی گسترده به مقادیر بسیار عظیمی از داده ها و نیاز قریب الوقوع برای تبدیل داده به اطلاعات مفید و دانش، در سال های اخیر، دادهکاوی توجه زیادی را در صنعت اطلاعات و در جامعه به خود جلب نمودهاست. برای پیدا کردن الگوهای کارا در پایگاه دادهها، روشهای مختلفی وجود دارد، که روش کشف قوانین انجمنی یکی از موثرترین و پرکاربردترین این روشهاست. در رابطه با روش کشف قوانین انجمنی الگوریتمهای و... تاکنون ارایه شده، که مشکل همه این الگوریتمها مصرف زیاد Apriori ,FP-Growth بسیاری همانند حافظه ، زمان و تولید قوانین بیارزش یا به نوعی قوانینی که کاربر زیاد به آنها علاقهای ندارد، است. یکی از راههای غلبه بر مشکل زمان و فضا استفاده از الگوریتمهای تکاملی به ویژه الگوریتم ژنتیک است. در سالهای اخیر محققان سعی کردهاند در الگوریتم ژنتیک با ارایه توابع برازش و تولید نسل اولیه مناسب، رابطه مناسب و منطقی بین اهمیت قوانین وسرعت کشف قوانین برقرار کنند. در این تحقیق تلاش براین است که با بهرهگیری از محدودیتهای سخت و نرم که توسط کاربر اعمال میشود و استفاده از آنها در تابع برازش و تولید نسل اولیه علاوه بر افزایش سرعت، دقت قوانین را نیز افزایش داد و به نوعی قوانین تولید شده را به قوانین مورد نظر کاربر نزدیک کرد و تا حد ممکن از تولید قوانین بی ارزش جلوگیری کرد.
