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。