【摘要】针对正弦余弦算法（ｓｉｎｅ ｃｏｓｉｎｅ ａｌｇｏｒｉｔｈｍ，ＳＣＡ）后期收敛速度慢、计算精度差的特点，本文提出了一种基于反向学习和柯西变异的正余弦算法（ａｎ ｏｐｐｏｓｉｔｉｏｎ⁃ｂａｓｅｄ ｌｅａｒｎｉｎｇ ａｎｄ ｃａｕｃｈｙ ｍｕｔａｔｉｏｎ ｓｉｎ ｃｏｓｉｎｅ ａｌｇｏｒｉｔｈｍ，ＯＳＣＡ）。 新算法利用反向学习机制与柯西变异生成新个体，增加了种群的多样性，通过贪婪选择加快收敛速度并提高计算精度，使算法具备较强的探索潜在较优空间的能力。将新算法与其他优化算法进行对比，１８ 个测试基准函数的仿真实验结果来看，新算法在收敛速度和计算精度上都具有明显的优势。