针对鸡群算法（CSO）易陷入局部最优和出现早熟收敛的缺陷，提出了一种混合改进的鸡群优化算法（OBSA-CSO）。通过采用反向学习对种群进行初始化，同时对越界个体进行边界变异操作保证了提出算法的种群多样性并利于算法的全局搜索；在寻优过程中对母鸡采用新的位置更新公式，并对最优个体采用改进退温函数的模拟退火扰动，通过Metropolis准则进行择优的方式有效地提高了算法的寻优精度和收敛速度。通过对七个测试函数在固定迭代次数和固定寻优精度条件下的实验表明，改进后的算法相较于传统鸡群算法具有较好的寻优精度和收敛速度。