با پیدایش پایگاه داده های بزرگ و نیاز به روش های یادگیری مناسب، برای کار بر روی این پایگاه داده ها مشکلات جدیدی به وجود آمد که روش هایی برای حل این مشکلات ارائه شده که ویژگی های موثر را انتخاب می کند. انتخاب ویژگی، مسئله ای است که ویژگی های کارامد را از بین تمام ویژگی ها انتخاب می کند که مجموعه ویژگی های نهایی باعث افزایش دقت و کاهش پیچیدگی می شود. برای تشخیص این که کدام زیر مجموعه موثرتر است، یک راه حل بررسی تمامی زیر مجموعه های ممکن است که بررسی همه زیرمجموعه ها جزء مسایل سخت و دارای پیچیدگی محاسباتی بالا است. این مشکل باعث شده است تمایل محققان به حل این مسائل از طریق الگوریتم های ابتکاری جلب شود. در این پایان نامه روشی بر پایه الگوریتم ممتیک برای پیدا کردن زیر مجموعه ویژگی های کارا برای مسئله کلاس بندی پیشنهاد شده است. از روش فیلتر در الگوریتم ژنتیک برای بهبود کارایی کلاس بندی وتسریع جستجو در تعیین زیر مجموعه ویژگی موثر استفاده شده است. که این روش یک ویژگی از زیر مجموعه ویژگی های کاندید را اضافه و کم می کند. مطالعات پیاده سازی بر روی مجموعه داده هایی از مخزن مجموعه داده های دانشگاه کالیفرنیا که به طور معمول استفاده می شوند انجام شده و نشان می دهد که روش پیشنهادی از روش های موجود بهتر عمل می کند. علاوه بر این چندین عمل اصلی الگوریتم ممتیک برای تعیین توازن بین جستجوی محلی و جستجوی وراثتی برای حداکثر کردن کیفیت جستجو در الگوریتم ممتیک ترکیبی فیلتر و رپر بررسی شده است.