随着大数据时代的到来,人们所能获取的数据的量与维度也越来越高,对数据的处理与分析过程中必须对原始数据进行降维处理。而对特征的选择是一个复杂的组合优化问题,因此基于自然计算相关算法求解特征选择问题得到了广泛的研究和关注。然而理论和实践证明,任何一个算法都不能解决所有优化问题,同时单一算法本身性能存在局限,要想取得更加令人满意的结果,可以将两种或多种算法,按照某种规则组合使用,形成混合算法,在保留单一算法全局或局部搜索特性的同时,弥补了单一算法相对较弱的局部或全局搜索能力,在求解复杂优化问题中拥有良好的应用潜力。本文通过实验分析与比较选取了三种算法,并提出了三种基于所选算法不同混合规则的混合算法,同时将混合算法应用于特征选择问题的求解中,主要工作如下:1.分析了单一算法独立优化时存在的局限,通过对参与讨论的算法进行单峰、多峰与复合函数测试,从实验结果整体分析得出单一算法在独立优化时很难同时拥有优秀的全局搜索与局部开发能力,而单个算法也不能适应所有优化问题,验证了算法混合的必要性和理论基础。另一方面通过对不同问题结果的对比与分析,本文总结了常见不同种类自然计算算法的全局搜索与局部开发性能特性。2.设计了三种基于低级与高级混合思想的混合算法,通过所总结常见自然计算算法性能特性,采用不同混合思想设计了三种不同的混合算法。通过实验证明混合算法充分体现了混合与协同的优势。3.提出了基于混合算法的特征选择方法,并在公开数据集的分类与高光谱遥感图像地物分类中进行了相关应用。高光谱遥感影像由于数据量大数据波段多需要对其进行波段选择,波段集合中所包含的噪声波段以及过多的波段数会影响分类精度,同时也可能带来“维数灾难”。因此将本文所提特征选择方法应用于波段选择问题中,可以有效检验所提方法降低数据维度,同时提高分类精度的能力。总的来看,本文就混合算法中的成分算法的选取、混合规则的设计以及混合算法在特征选择上的应用展开研究,相应的实验结果证明了混合算法对算法性能的提升,以及在特征选择问题中具有良好的性能表现,具有较高的研究价值与广阔的应用前景。