Los microARN (miARN) son pequeñas moléculas de ácido ribonucleico (ARN) no codificantes que desempeñan un papel importante en el crecimiento del cáncer. Hay muchos miARN en el cuerpo humano y no todos son responsables del crecimiento del cáncer. Por lo tanto, es necesario proponer nuevos algoritmos de selección de subconjuntos de miARN para eliminar miARN irrelevantes y redundantes y encontrar los miARN responsables del desarrollo del cáncer. Este artículo intenta proponer un nuevo marco de selección de subconjuntos de miARN en tres etapas para aumentar la precisión de la clasificación del cáncer. En la primera etapa, se utilizan múltiples algoritmos de filtrado para clasificar los miARN según su relevancia con la etiqueta de clase, y luego se genera un grupo de miARN obtenido a partir de los miARN mejor clasificados de cada algoritmo de filtrado. En la segunda etapa, primero clasificamos los miARN del grupo de miARN mediante múltiples algoritmos de filtrado y luego esta clasificación se utiliza para ponderar la probabilidad de seleccionar cada miARN. En la tercera etapa, la Optimización de Enjambre Competitivo (OEC) intenta encontrar un subconjunto óptimo de los miARN ponderados del grupo de miARN, que nos brinda la mayor información sobre los pacientes con cáncer. Cabe señalar que el equilibrio entre la exploración y la explotación en el algoritmo propuesto se logra mediante un Sistema de Inferencia Difusa (SID) de orden cero. Los experimentos en varios conjuntos de datos de cáncer de miARN indican que el marco propuesto en tres etapas tiene un gran rendimiento en términos de una baja tasa de error en la clasificación del cáncer y la minimización del número de miARN.