过程挖掘的理念是通过从事件日志中提取出有价值的信息,从而去发现、监控和改进实际业务过程。其研究对于实施新的业务过程以及分析、改进已实施的业务过程具有非常重要的意义,是近年来相关领域国内外研究的热点。过程挖掘主要包括过程发现、合规性检查、过程增强等应用类型。其中,合规性检查将事件日志中的事件与过程模型中的活动进行对比,旨在找到观察行为和建模行为之间的共性和差异。对齐是合规性检查的重要手段,能够精确定位偏差所在的具体位置。现存的对齐算法虽然可以得到事件日志与过程模型之间的所有对齐,但是计算过程较为复杂。本文对已有对齐方法进行深入研究,提出几类适用于不同场合的新的对齐方法,目的在于提高对齐方法的效率。本文主要贡献如下:（1）在研究最优对齐之间日志移动、模型移动和同步移动异同的基础上,提出了相似最优对齐的概念。对相似最优对齐的性质进行了研究,并给予了证明。通过定义最优对齐相似关系,给出了最优对齐集合的划分方法,并选取了代表项来简化最优对齐集合。通过对四种工作流模式结构特点进行分析,提出了多阶段对齐算法。该算法适用于能够分段的块结构过程模型,可求解此类模型与约束迹之间相似最优对齐代表项。（2）为了提高计算最优对齐的效率,提出了一种事件日志与过程模型之间的快速对齐方法——基于最优对齐树的对齐方法。该方法在观察事件日志和运行过程模型的基础上,比较事件和活动的异同,记录日志和模型的当前状态和比对结果,从而生成一棵最优对齐树。树中初始结点到终止结点的路径对应了最优对齐。该方法简化了对齐过程,但因生成结点过多,只适用于已研究的、或者更简单的模型和迹。（3）改进了基于最优对齐树的对齐方法,提出了一种精简对齐方法——难于最优对齐图的对齐方法。该方法大大减少了搜索空间中生成结点的数量,适用于更广泛的模型和迹。该方法生成一个最优对齐图,其源结点到终结点的路径包含了所有最优对齐。对该方法的适用性进行了详细且严格的描述,从理论上证明了该方法的合理性与有效性。（4）针对现有对齐方法一次只能计算一条迹与过程模型之间最优对齐的问题,提出一种批量迹与过程模型同时对齐的方法。该方法生成的变迁系统中包含了多条迹与过程模型之间的所有最优对齐。提出A+算法及A++算法,可分别在变迁系统中搜索得到事件日志中所有迹与过程模型之间的一个最优对齐和所有最优对齐。对该方法的复杂度进行了理论分析,并给出定理说明了其有效性。论文分别实现了上述算法,采用大量事件日志与过程模型对算法进行了全面的实验评估。仿真实验结果说明了算法的健壮性和适用性。