关联规则挖掘算法是数据挖掘中最核心部分之一,能够从大量数据之中发现有趣的规则,传统的挖掘算法已经很难适用于当前数据量的挖掘。以往大多数的研究主要集中在提高算法效率,然而关联规则的置信度和支持度影响挖掘的质量,为了提高挖掘效率,本文提出了一种基于改进引力搜索与粒子群混合的算法(GSA-PSO)来进行关联规则挖掘。由于粒子群算法在寻找最优解时很容易陷入局部最优解的情况,而引力搜索算法在执行过程中能够在一定程度上接受差解,所以它能够很好的避免算法陷入局部最优解。因此,我们把粒子群优化算法与引力搜索算法结合,得到一种混合粒子群优化算法,此算法不仅能很好地避免陷入局部最优解,并提高算法的搜索性能。本文将混合粒子群优化算法应用于关联规则算法挖掘研究,针对经典关联规则挖掘算法Apriori算法的耗时长、易提取冗余规则等问题,将GSA-PSO算法与Apriori算法结合进行关联规则挖掘。采用实数编码方式来设定粒子,并且选择了合适的评价函数运用到关联规则挖掘中,利用二进制编码方式,从数据集中提取最优规则。新算法避免了Apriori算法冗长的提取规则过程,而且改变了随数据集的增加运行时间变长等问题,用判断葡萄酒质量为例,通过实验仿真分析证明了新的关联规则挖掘算法在关联规则挖掘中的可行性及优越性。