针对群居蜘蛛优化（SSO）算法求解复杂多峰函数成功率不高和收敛精度低的问题，提出了一种自适应多种群回溯群居蜘蛛优化（AMBSSO）算法。引入自适应决策半径概念，动态地将蜘蛛种群分成多个种群，种群内适应度不同的个体采取不同的更新方式，提高了种群样本多样性；提出回溯迭代进化策略，在筛选全局极值的基础上，根据进化程度执行回溯迭代更新，保证了算法全局寻优能力。高维多峰函数仿真结果表明，同SSO算法、PSO算法等优化算法相比，AMBSSO算法具有较快的收敛速度和较高的收敛精度，尤其适用复杂高维多峰函数优化问题。