Beneficiándose del gran progreso de la tecnología de la información, una gran cantidad de muestras con múltiples etiquetas están disponibles en nuestra vida diaria. Como resultado, la clasificación de múltiples etiquetas ha despertado una amplia preocupación. Diferente de los métodos tradicionales de aprendizaje automático que son lentos durante la fase de entrenamiento, ELM-RBF (máquina de aprendizaje extremo-función de base radial) es más eficiente y se ha convertido en un tema de investigación candente en la clasificación de múltiples etiquetas. Sin embargo, debido a la falta de métodos de optimización efectivos, las máquinas de aprendizaje extremo convencionales son siempre inestables y tienden a caer en un óptimo local, lo que lleva a una baja precisión de predicción en aplicaciones prácticas. Con este fin, se propone en este documento un ELM-RBF modificado con un algoritmo genético adaptativo sinérgico (ELM-RBF-SAGA). En ELM-RBF-SAGA, presentamos un algoritmo genético adaptativo sinérgico (SAGA) para optimizar el rendimiento de ELM-RBF. Además, se emplean dos métodos de optimización de manera colaborativa en SAGA. Uno se utiliza para ajustar el rango del valor de aptitud, el otro se aplica para actualizar la probabilidad de cruce y mutación. Suficientes experimentos muestran que ELM-RBF-SAGA tiene un excelente rendimiento en la clasificación de múltiples etiquetas.