激烈的市场竞争使得企业必须改变传统的经营模式和运作方式。近十年来,大量工作流技术被应用于企业实际运作,但实际效果还不够理想,首要原因就是工作流模型的设计。传统工作流建模过程复杂费时,效率低,建模不准确,为此,工作流挖掘出现。工作流挖掘是基于业务流程事件日志的建模,有效弥补了传统建模方式的缺陷,因此深受企业界和学者们的关注,是当今研究的热点。相应之下出现了各种工作流挖掘算法,但是到目前为止仍然有几类控制流结构的挖掘未得到有效解决。因此,有必要对工作流挖掘算法展开研究。本文先介绍了工作流挖掘的国内外研究现状,分析并总结现有典型挖掘算法的不足,尤其深入研究了Aalst提出的a算法的工作原理,找出其在挖掘短循环结构等方面存在缺陷的原因。接着,针对其不足,提出一种能够挖掘包含短循环结构的合理结构化工作流网的改进a算法。该算法与众不同之处在于它利用了任务执行需要时间这一事实,为日志中每个任务增加两类事件类型：Start(标志任务开始)和Complete(标志任务完成),并通过引入任务发生这一概念,使得任务间的并行关系可被显式检测,从而为正确挖掘短循环结构奠定基础。作为改进算法的理论支撑,本文也给出了基于事件类型的工作流日志形式化定义,即事件日志,以及任务间次序关系的形式化定义。最后,基于改进a算法开发了挖掘程序,通过运行程序对模拟日志进行挖掘以及一定数量的案例实验,验证了改进算法的可行性和有效性。通过分析实验数据,评估了改进算法的挖掘质量,并讨论了其存在的局限性。实验结果表明,改进算法比a算法在处理模型结构、重发现模型种类以及挖掘质量方面更具优势。