本文研究聚类算法为目的，从元启发式算法角度探索合适的聚类结果，在已知和未知聚类簇数目条件下给出多个元启发式聚类算法；同时考虑入侵检测中存在的问题，给出两个基于遗传聚类的入侵检测算法。 　　本文将噪声法引入聚类分析，提出两个聚类算法NMC和KNMC，详细讨论算法参数的确定，给出一个混合遗传聚类算法GTKC，算法通过禁忌操作禁止具有高适应度的少数个体侵占种群以提高种群多样性，同时通过K-means操作改进种群个体以提高算法收敛速度，进而达到种群多样性和算法收敛速度的平衡，论文详细讨论算法参数的选择，并与K-means算法和GAC算法进行详细比较，仿真实验和复杂度分析表明算法能获得更优良的聚类结果型。 　　本文给出一个基于禁忌搜索的聚类簇数目估算算法，算法能同时处理具备紧凑球型分布或非紧凑球型对象分布的对象集合，通过三个阶段逐步优化结果，最终估算出合适的聚类簇数目，仿真实验表明该算法用于聚类簇数目估算是可行和有效的。 　　本论文给出采用禁忌搜索作为遗传算法的变异算子以改进随机变异的不足，并运用到入侵检测，实验结果表明算法检测性能得到改进，检测精度得到提高。