針對(duì)骨干粒子群優(yōu)化（ BBPSO）算法易陷入局部最優(yōu)、收斂速度低等問題，提出了基于核模糊聚類的動(dòng)態(tài)多子群協(xié)作骨干粒子群優(yōu)化（ KFC-MSBPSO）算法。該算法在標(biāo)準(zhǔn)骨干粒子群算法的基礎(chǔ)上，首先，采用核模糊聚類方法將主群分割為多個(gè)子群，令各個(gè)子群協(xié)同尋優(yōu)，提高了算法的搜索效率。然后，引入非線性動(dòng)態(tài)變異因子，根據(jù)子群內(nèi)粒子數(shù)以及收斂情況動(dòng)態(tài)調(diào)節(jié)子群粒子變異概率，通過變異的方式使子群粒子重新回到主群，提高了算法的探索能力；進(jìn)一步采用主群粒子吸收策略與子群合并策略加強(qiáng)了主群與子群之間、子群與子群之間的信息交流，提高了算法的穩(wěn)定性。最后，利用子群重建策略，結(jié)合主群與子群搜索到的最優(yōu)解，調(diào)節(jié)子群重建的間隔代數(shù)。通過Sphere等6個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明，KFC-MSBPSO算法和經(jīng)典BBPSO算法以及反向骨干粒子群優(yōu)化（ OBBPSO）算法等改進(jìn)算法相比尋優(yōu)準(zhǔn)確率至少提高了約11. lqo，在高維解空間內(nèi)測(cè)試結(jié)果的最佳均值占到83. 33 010并且具有更高的收斂速度。這說明KFC-MSBPSO算法具有良好的搜索性能與魯棒性，可應(yīng)用于高維復(fù)雜函數(shù)的優(yōu)化問題中。