随着社会的快速发展和人民生活水平的不断提高，自动售药机作为一种全新的购药设备已越来越被公众所接受，其在时间和空间上延伸了原有服务。在发达国家，自动售药机已经很普及，政府尝试将自动售药机安放在超市、公园、街道等人流量比较大的地方。人们可以通过自动售药机自助购药，也可以扫描医院系统产生的的二维码自动出药。然而药品种类琳琅满目，自动售药机的仓位却是有限的。因此如何选择合适的药品配入自动售药机仓位中，使消费者方便地买到自己所需的药品是目前亟待解决的问题。另一方面，时间和地点的变化会对药品的需求状况有何影响也是我们需要研究的方向。针对以上两个问题，论文提出使用数据挖掘技术产生关联规则用于配仓的思想，并在此基础上对算法时间复杂度和有效性进行了具体研究。　　论文在分析国内外研究现状的基础上，对关联规则的基本概念和先验原理的基本思想做了探讨，分析了经典的Apriori算法。然后研究了传统度量标准的不足，提出基于兴趣度的关联规则挖掘算法（SRL算法）。引入相关度和关联度的概念，去除负相关模式和交叉支持模式，保证挖掘出的关联规则项与项之间都是正相关的，且都具有较强的关联性。最后探讨了数据的时间属性，引入周期性关联规则的概念，并针对周期性关联规则挖掘算法的特点做了研究，提出基于周期性剪枝技术的CPARM算法，降低了算法时间复杂度。　　基于上述分析，结合自动售药机实际需求，论文设计了一个自动售药机配仓系统，实现了相应的配仓算法。通过实际药品销售数据集比较了不同算法的时间复杂度和有效性，证明了该配仓系统具有较高的实用价值。