基于Kriging模型的EGO算法是一种适用于黑箱函数求极值的全局最优化算法，但该算法忽略了对Kriging模型精度的控制。针对该算法的不足之处，提出了兼顾Kriging模型精度与模型寻优的迭代函数，并将改进后的EGO算法应用于五个检验函数及一个存货模型，从Kriging模型精度及优化结果两方面对改进前后的算法进行比较。结果表明，改进后的EGO算法提高了最终Kriging模型的精度，并在对目标函数进行少量估值的情况下获得了更为全局化的最优解。