随着人类基因组计划的完成，生命科学进入了一个前所未有的新时代。生物学家们通过DNA微阵列技术能够同时检测成千上万个基因，使得他们对肿瘤细胞有了一个宏观的认识。然而由于这一技术高度自动化、规模化以及微型化，基因芯片数据存在维度高、样本少的特点。如何有效分析并处理这一技术所产生的大量数据并找到对疾病研究与治疗有意义的基因子集，已经成为了该领域研究的重点以及难点。蚁群聚类算法依据蚂蚁打扫墓穴原理发展演变而来。首先，将数据对象随机地投影到一个平面，然后每只蚂蚁随机地选择一个数据对象，根据该对象在局部区域的相似度而得到的概率，决定蚂蚁是否“拾起”、“移动”或“放下”该对象。经过有限次迭代，平面上的数据对象按其相似性而聚集，最后得到聚类结果和聚类数目。近些年来相关群智能算法已经广泛应用到基因选择方法中来，并取得了不错的效果。本文提出了一种基于网格的蚁群聚类算法。该方法首先将数据随机分布到一个二维平面上，该平面有m m有个网格组成。然后在该平面上产生一些虚拟蚂蚁对数据对象进行聚类分析。近年来，国内外研究学者纷纷提出各种基因选择方法，但仍存在诸如基因共线性、缺乏组合基因的考量以及整体运算复杂度的问题。为了解决这些问题，本文提出了一种基于蚁群聚类的特征基因选择方法。首先，我们采用过滤法依据基因自身所包含的表达差异信息对基因进行打分，并删除分值低于阈值的基因。随后我们采用蚁群聚类算法来删除冗余基因。我们采用支持向量机作为分类器，并对四个肿瘤数据集进行实验仿真。实验结果证明我们的方法能够有效解决上述问题。