近年，機械学習技術が発展しているが，学習データの中には予測に不必要なデータも含まれており，全データを用いて学習を行うと計算時間が膨大になり，精度も悪くなるという傾向がある．そのため，全データの中から学習に重要なデータ(特徴量)のみを選択する前処理(特徴選択)を行うことで，学習データの次元を削減する手法が提案されている．特徴選択手法の1つにAnt Colony Optimization (ACO)がある．ACOは，実際のアリの採餌行動を参考にモデル化された手法である．しかし，従来のACOには，重要なアリの習性が十分に考慮されていないという問題がある．そこで本研究では，実際のアリが行う意思決定過程をACOに導入した新たなACOによる特徴選択手法を提案する．