针对磷虾群算法易陷入局部最优、收敛速度慢等缺点，提出了具备反向学习和局部学习能力的磷虾群算法。利用混沌映射和反向学习的思想初始化种群，根据算法迭代次数自适应调整学习维度，对精英个体进行反向学习，能有效保持种群的多样性，选取精英群体，通过自适应的Lévy飞行分布和改进的差分变异算子，提高种群的局部学习能力。这种新颖的元启发方式能加速收敛速度的同时可以保证磷虾群算法的鲁棒性。通过对8个基准函数进行仿真测试，实验结果表明：与最近的KH优化算法相比，该算法在收敛速度、收敛精度等方面得到明显改进。