针对鲸鱼优化算法（WOA）容易陷入局部最优解、收敛速度慢等缺陷，提出一种基于小孔成像反向学习策略的鲸鱼优化算法。首先采用高斯映射生成的混沌序列取代原始算法中随机产生的初始种群，增加种群的多样性；其次，提出了一种小孔成像反向学习策略，并结合最优最差反向学习思想，增加了寻优位置的多样性，提高了算法跳出局部最优的能力；最后，在算法中加入了一个非线性收敛因子和一个对数形式的概率阈值，在保留鲸鱼算法优点的前提下，协调了算法的全局搜索和局部开发能力。通过对10个基准函数进行仿真测试，实验结果表明改进算法在收敛速度和收敛精度等方面有明显的提高。