针对标准粒子群优化(PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点，提出一种基于高斯扰动的粒子群优化算法。该算法采用对粒子个体最优位置加入高斯扰动策略，有效地防止算法陷入局部最优，加快收敛并提高收敛精度。在固定评估次数的情况下，对8个常用的经典基准测试函数在30维上进行了仿真。实验结果表明，所提算法在收敛速度和寻优精度上优于一些知名的粒子群优化算法。
