对基本的蝙蝠算法及其他群智能优化算法进行试验研究后,发现基本蝙蝠算法存在易陷入局部最优、求解精度不高等缺陷,而细菌觅食算法具有群体智能算法并行搜索、易跳出局部极小值等优点。由于基本蝙蝠算法对求解的空间搜索不充分,通过实验分析提出了试探扰动因子;另外针对蝙蝠算法缺乏对父代的继承性,分别使用线性递减权重法、随机权重法和自适应权重法对蝙蝠算法求解性能进行了对比实验,发现随机惯性权重求解精度较高。基于以上分析,提出了一种改进的新型蝙蝠算法。该算法融合细菌觅食算法的趋化算子来改进蝙蝠算法的局部搜索能力,增加试探扰动因子来提高算法的求解精度和充分性,采用随机惯性权重来均衡算法的探索能力和挖掘能力。为了验证该算法的性能,选择几个高维的经典函数进行实验,结果表明,改进的新型蝙蝠算法同基本的蝙蝠算法和粒子群算法相比提高了寻优性能。