回溯搜索优化算法（BSA）是近年提出的一种新型优化算法，针对其收敛速度较慢、易陷于局部最优的缺点，提出了一种基于最优个体引导和小生境技术相结合的改进BSA算法。本方法首先在BSA的变异操作中引入向最优个体学习的策略，以提高算法的收敛速度；其次，设计一种新的小生境排挤技术，根据每个个体到其他个体距离的平均最小值确定小生境半径，排除部分相似性较高的个体；结合群体当前的最差信息，设计一种新的变异方法产生一定数量的新个体补充到新的种群中，维持群体数量的恒定并增强群体多样性。改进的BSA算法充分考虑了算法的收敛速度和群体的多样性，较大地提高了传统BSA算法的性能。对10个典型函数进行仿真测试，并与其他算法结果进行对比，实验结果表明，改进算法在收敛速度与精度方面具有较好的