針對基本粒子群優(yōu)化（PSO）算法收斂精度低、容易陷入局部最優(yōu)的問題，提出了一個結合質心思想和柯西變異策略的粒子群優(yōu)化算法。首先，在粒子的初始化階段采用混沌初始化策略，以提高初始粒子的均勻分布能力；其次，為了提高粒子群的收斂速度和尋優(yōu)能力，引入了質心的概念，通過計算獲得種群中所有粒子所構成的全局質心和所有個體極值構成的個體質心，使得粒子群內部可以實現(xiàn)充分的信息共享；為避免粒子陷入局部最優(yōu)解，在粒子群算法中引入了柯西變異運算對當前最優(yōu)粒子進行擾動，并依據(jù)柯西變異運算的規(guī)律，適應性地調整擾動步長，該算法以群體多樣性為依據(jù)，動態(tài)調整慣性權重；最后，使用7個經典的測試函數(shù)對算法進行驗證，通過函數(shù)運行結果的均值、方差和最小值能夠表明，新算法在收斂精度上有較好的優(yōu)越性。