针对传统人工协同搜索（ACS）算法求解精度不高、收敛速度慢等问题，提出一种基于Sigmoid函数的反向人工协同搜索（SQACS）算法求解旅行商问题（TSP）。首先，利用Sigmoid函数构造比例因子，增强算法的全局搜索能力；其次，在变异阶段，加入差分进化（DE）算法的DE/rand/1变异策略，对当前种群进行二次变异，提高算法的计算精度和种群的多样性；最后，在算法后期的开发阶段，引入拟反向学习策略，进一步提高解的质量。对TSP测试库TSPLIB中的4个实例进行仿真实验，结果显示，SQACS算法在最短路径与花费时间上均优于麻雀搜索算法（SSA）、DE、阿基米德算法（AOA）等7种对比算法，并且具有良好的鲁棒性；与其他求解TSP的改进算法综合对比，SQACS算法也显示了良好的性能。实验结果表明，SQACS算法在求解小规模TSP时是有效的。
