特征选择在许多领域具有重要作用，提出一种基于混合自适应引力搜索算法的特征选择方法，在最大化分类精度的同时从数据样本中选出最小特征子集。算法设计两种解更新策略进行组合式搜索，引入群体约简方法，有效地平衡算法的全局搜索和局部收敛能力，同时提出自适应调控参数，减少参数设置对算法性能的影响。在七组真实数据集中的实验结果表明，从分类精度、特征子集大小和运行时间三方面比较，提出的方法优于原始算法和已有相近算法，具有良好的综合性能，是一种有效的特征选择方法。