En los problemas de identificación de modulación, al igual que en cualquier otro problema de clasificación, el rendimiento de la tarea de clasificación se ve significativamente afectado por las características de las características. La ponderación de características mejora el rendimiento de los algoritmos de aprendizaje automático, especialmente la clase de algoritmos de aprendizaje basados en instancias como el clasificador de Distancia Mínima (MD), en el que la medida de distancia es altamente sensible a la magnitud de las características. En este documento, proponemos una versión mejorada del Algoritmo de Optimización de Enjambre de Salp (SSA), llamada ISSA, que se aplicará para optimizar los pesos de las características para un clasificador MD. El objetivo es mejorar el rendimiento de un enfoque de detección de modulación digital ciega en el contexto de sistemas de antenas múltiples. Las mejoras introducidas en SSA se basan principalmente en la técnica de aprendizaje basada en la oposición. Las simulaciones por computadora muestran que el ISSA supera al SSA, así como a los algoritmos que derivan de él. El ISSA también muestra el mejor rendimiento una vez que se aplica para la ponderación de características en el contexto anterior.