针对混合属性数据聚类问题，本文提出一种基于多目标多元学习细菌觅食优化算法。首先，基于改进的细菌觅食优化算法，提出多目标优化算法框架。然后，提出多元学习策略来提高算法性能。具体地，对于细菌个体，细菌之间采用环形拓扑学习策略，每个细菌只能向其邻域最优个体学习；细菌个体还可以向外部档案非支配个体学习。通过该学习策略，不仅可以保持种群的多样性，也可以加快算法收敛速度。对于外部档案非支配个体，记录其变化趋势，当非支配个体的变化处于停滞状态时，采用精英学习策略对非支配个体进行微扰动，提高非支配解的多样性。最后，为解决混合属性数据聚类问题，设计了一种具有属性权重的混合属性转换策略。为了验证所提算法的性能，将该算法与两个多目标进化算法和三个经典聚类算法在六个标准数据集上进行对比实验。实验结果表明，所提算法在解决数值、分类和混合属性数据聚类问题上具有显著优势。同时，以金融领域信用卡申请客户数据为例，进一步证实了所提算法的可行性，也表明了所提算法在涉及混合属性数据集的医疗、管理、工程等领域有一定的应用前景。