鸟群算法（BSA）作为一种新型的元启发式群智能算法，存在易陷入局部最优、收敛速度慢和求解精度低等问题。针对原鸟群算法在求解最优化问题中的不足，提出一种基于动态惯性权重的鸟群优化算法（DBSA）。该算法通过引入非线性动态惯性权重修正鸟群飞行间隔，平衡种群全局搜索与局部搜索能力；在模拟鸟群生产者觅食的过程中引入莱维飞行，替换原算法中生产者的觅食策略提高算法活力和有效性。实验表明改进后的鸟群算法有效提高了算法的收敛速度和寻优精度。