La selección de características se conoce como un problema combinatorio -duro en el que los posibles subconjuntos de características aumentan exponencialmente con el número de características. Debido al incremento del tamaño de las características, la búsqueda exhaustiva se ha vuelto impráctica. Además, un conjunto de características normalmente incluye información irrelevante, redundante y relevante. Por lo tanto, en este documento, se proponen variantes binarias de un optimizador de enjambre competitivo para la selección de características de envoltura. Los enfoques propuestos se utilizan para seleccionar un subconjunto de características significativas con fines de clasificación. La versión binaria introducida aquí se realiza empleando las funciones de transferencia en forma de S y en forma de V, lo que permite a los agentes de búsqueda moverse en el espacio de búsqueda binaria. Los enfoques propuestos se prueban utilizando 15 conjuntos de datos de referencia recopilados del repositorio de aprendizaje automático de UCI, y los resultados se comparan con otros métodos convencionales de selección de características. Nuestros resultados demuestran la capacidad de la versión binaria propuesta del optimizador de enjambre competitivo no solo en términos de alto rendimiento de clasificación, sino también de bajo costo computacional.