高效用项集挖掘（HUIM）能够挖掘事务数据库中具有重要意义的项集，从而帮助用户更好地进行决策。针对智能优化算法的应用能够显著提高海量数据中高效用项集的挖掘效率这一现状，对基于智能优化算法的HUIM方法进行了综述。首先，以智能优化算法的类别为角度，从基于群智能优化、基于进化以及基于其他智能优化算法的方法这3个方面对基于智能优化算法的HUIM方法进行了详细的分析与总结。同时，从粒子更新方式的角度对基于粒子群优化（PSO）的HUIM方法进行了详细梳理，包括基于传统更新策略、基于sigmoid函数、基于贪心、基于轮盘赌以及基于集合的方法。另外，从种群更新方法、对比算法、参数设置、优缺点等角度对比分析了基于群智能优化算法的HUIM方法。然后，从遗传和仿生两个方面对基于进化的HUIM方法进行总结概括。最后，针对目前基于智能优化算法的HUIM方法所存在的问题，提出了下一步的研究方向。
