社会群体优化（socialgroupoptimization，SGO）算法是一种基于社会群体学习而提出的一种新型优化算法。针对社会群体优化算法易于陷入局部最优问题，提出了一种多子群社会群体学习算法（MPSGO）。本算法采用多子群学习方法，对算法两个阶段的个体学习方法进行改进，在维持群体收敛性能的前提下提高群体多样性，同时对部分个体中引入量子学习，使个体学习的有用信息得以增强；此外，每隔一定代数对子群进行随机重组，既能保证各子群个体充分进化，又维持了子群多样性。在设计算法的基础上，分析了其收敛性和多样性；通过与其他四种算法进行对比实验，验证了改进后算法性能更优。