流程挖掘的目的在于从事件日志中发现流程模型,在复杂的信息系统中人们对业务流程模型的主观认识和实际的流程模型往往存在偏差,借助于流程挖掘技术可以从系统所产生的客观日志数据中挖掘出更为精确的流程模型。但是由于事件日志中普遍存在噪声以及流程模型本身的复杂性,一些流程挖掘方法不能做到流程模型的最优化。遗传流程挖掘是一种模拟生物遗传行为的流程挖掘方法,它不仅能挖掘出流程模型中的所有常见结构,而且具有较高的健壮性。但是该算法可能需要多次迭代才能搜索到最理想的模型,每次迭代过程中的适应度计算的计算量较大,导致算法的整体效率不高。为了提高遗传流程挖掘的效率,本文提出了一系列遗传流程挖掘算法效率的改进措施。第一,针对遗传算子的搜索效率问题,提出了带权值的因果矩阵,并在此基础上对交叉和变异算子做出了改进;第二,提出了基于采样日志的遗传流程挖掘算法,提高了遗传流程挖掘面对大量冗余日志的处理能力,减少了遗传过程中适应度计算的日志重播规模;第三,为了提高适应度计算效率,提出了层次模型BPST的相关概念,并在此基础上提供了模型的切分策略和并行适应度计算方法。本文中的算法均给出了实验验证,通过实验结果表明,改进后的遗传流程挖掘拥有更高的效率,验证了算法的基本思想和算法的可行性。