除去Apriori, Eclat这种不谈，目前研究关联规则的一般都在以下几个地方发力。
1. 先频繁模式再关联规则流（基本上玩来玩去目的就是减少数据扫描的时间成本）
2. 直接出关联规则流（当然也可以只出频繁模式。各种启发式算法的天下，什么GA,PSO,BA等等，也是你问题里提到的，论文一大把，曾经我也没羞没臊地水过一篇论文Frequent item sets mining from high-dimensional dataset based on a novel binary particle swarm optimization）
3. 软计算流（主要都是在重新定义什么是关联性）
4. 分布与并行计算流（名字很直白了，我就不解释了，这部分不咋了解，也是为了增加运算速度）
希望可以帮到你，下面是我在GitHub上上传的自己写的东西，用c++做的Python2.7库，用来挖关联规则与频繁模式的，可以一起交流学习学习。
DMDarkness/Data-mining
