对肿瘤基因表达谱数据集进行数据挖掘获取的有效基因信息对癌症治疗有重要意义。肿瘤基因表达谱数据集属于高维小样本数据集,含有大量冗余信息,难以直接用于分类。很多基于单种群进化算法的基因选择方法可以得到较高质量的基因子集,但在选择过程中仍存在关键基因未被选中,且算法易陷入局部最优的问题。因此,本文基于多群协同进化策略对单目标粒子群优化算法和多目标粒子群优化算法进行改进以实现基因选择,主要工作如下:（1）为降低基因选择方法中关键基因未被选中的概率,获取具有更好分类效果的基因子集,提出基于层次过滤和反向学习多群协同进化的基因选择方法（HF-MPPSOGS）。首先引入层次过滤策略替代单一指标过滤策略,降低基因表达谱数据预处理时关键基因未被选中概率。其次,使用反向学习初始化主群和辅群并分别进行局部开发和全局探索,当辅群发现更优位置时与主群进行信息交互,降低算法陷入局部最优概率并提升种群多样性。在多个基因表达谱数据集上验证出所提出的方法可以更精准的剔除冗余基因,选出与肿瘤种类更相关的基因子集。（2）为解决基于单目标优化的基因选择方法在目标选取上存在一定的倾向性导致难以得到最优解的问题,提出基于角度偏好多目标多群协同进化的基因选择方法（APMPMOPSO-GS）。首先,使用分类准确率和选中基因个数作为优化目标,初始化主、辅种群并置空各自外部存档,根据主群外部存档中非劣解的分布找到较稀疏区域作为偏好区域,辅群使用粒子与偏好区域的欧氏距离建立更严格的偏序关系,选出辅群领导粒子引导辅群向偏好区域探索。接下来,主群使用反向学习变异,并适时将主、辅群的外部存档合并进行帕累托排序,提升种群逃离局部最优的能力。在多个基因表达谱数据集上验证出所提出方法能选出冗余度较低且分类性能更优的基因子集。（3）设计并实现基于多目标多群协同进化基因选择方法的癌症诊断系统。采用Vue设计系统的操作界面,利用Java和Python实现系统的业务逻辑和核心算法。系统主要包括用户登录模块、数据管理模块和癌症诊断模块。该系统可以有效实现癌症诊断功能。