針對骨干粒子群優(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子群，令各個子群協(xié)同尋優(yōu)，提高了算法的搜索效率。然后，引入非線性動態(tài)變異因子，根據(jù)子群內(nèi)粒子數(shù)以及收斂情況動態(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；進一步采用主群粒子吸收策略與子群合并策略加強了主群與子群之間、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個標(biāo)準(zhǔn)測試函數(shù)進行對比實驗，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。