针对传统的基于森林优化算法的特征选择算法在初始化阶段、候选森林生成阶段和更新阶段存在的问题，提出了一种新的基于森林优化算法的特征选择算法。该算法在初始化阶段采用皮尔森相关系数和L1正则化方法代替随机初始化策略；在候选森林生成阶段，采用优劣树分开和差额补足的方法解决优劣树不完备问题；在更新阶段，将与最优树精度相同但维度不同的树木添加到森林中。在实验中，所提算法采用与传统的基于森林优化算法的特征选择算法相同的实验数据和实验参数，分别测试了小维度、中维度和大维度数据。实验结果表明，在2个大维度数据和2个中维度数据上，所提算法的分类精度和维度缩减能力均高于传统的基于森林优化算法的特征选择算法。实验结果验证了所提算法在处理特征选择问题的有效性。
