布谷鸟搜索(Cuckoo Search，CS)算法高效简单，但在求解复杂问题时收敛效率较低。为提高CS算法的寻优精度和收敛速度，提出了一种基于精英反向学习的混沌扰动布谷鸟搜索算法(CH-EOBCCS).该算法引入精英个体，通过精英个体反向学习生成精英反向解，从当前解和精英反向解中挑选优异个体作为下一代种群，同时，在迭代中对鸟巢位置采用混沌扰动策略，扩大种群多样性，有效的提高了算法全局搜索能力和搜索精度.通过8个标准测试函数对比实验，结果表明加入混沌扰动的精英反向学习布谷鸟搜索算法具有较强的搜索能力和较高的

引力搜索算法是近年提出的一种颇具潜力的全局优化算法，已经成功应用到了各种工程实践中，然而它在求解复杂工程优化问题时容易出现早熟收敛问题。为了在一定程度上避免早熟收敛现象，提出一种应用精英反向学习策略的引力搜索算法（EOGSA）。在演化进程中，对当前种群中的每个个体分别执行精英反向学习策略，生成一个精英反向种群，并将生成的精英反向种群与当前种群同时进行竞争，选择出下一代种群。在一系列经典函数优化测试问题上的对比实验结果表明，EOGSA算法能够提高传统引力搜索算法的性能，在一定程度上避免早熟收敛的缺点。