针对麻雀搜索算法（SSA）容易陷入局部最优、收敛速度较慢等问题，提出一种基于Sobol序列和纵横交叉策略的麻雀搜索算法（SSASC）。首先，在初始化阶段引入类随机采样方法中的Sobol序列，以增强种群的多样性和遍历性；其次，提出一种指数形式的非线性惯性权重，从而提高算法的收敛效率；最后，应用纵横交叉策略对算法进行改进，即利用横向交叉增强全局搜索能力，利用纵向交叉保持种群的多样性并防止算法陷入局部最优。选取了13个基准函数进行仿真实验，同时使用Wilcoxon秩和检验和Friedman检验评价算法的性能。在与其他元启发式算法的对比实验中，将基准函数从10维扩展到100维，SSASC在平均值和标准差处始终优于其他算法。实验结果表明，该算法在收敛速度和求解准确度方面均取得了一定的优势。
