现实生活中的许多问题都可以抽象成最优问题，因此人们不断寻求解决最优问题的方法，近年来许多学者从自然界和生物界的一些机制和现象出发，设计了许多启发式算法来解决复杂的优化问题，由于其原理简单，容易实现，并且具有收敛速度快、精度高、鲁棒性强等特点，因此受到了人们越来越多的关注，现已成为十分热门的研究方向。2007， R.A.Formato提出了一种基于重力场粒子运动规律的新的启发式算法——中心引力优化算法。本文主要针对中心引力优化算法的改进进行研究，主要工作如下：1．对中心引力优化算法的原理、迭代公式以及实现过程进行介绍，阐述中心引力优化算法的优缺点。2．针对中心引力优化算法所得结果不稳定这一缺点，提出一种自适应中心引力优化算法。该算法重新定义一种适应值函数，并将运动时间定义成与平均适应值相关的自适应数，使得时间随迭代的进行而自动调节，促使算法达到全局探测与局部开采两者间的有效平衡，另外引进交叉操作更新当前粒子的位置，避免算法陷入局部最优。最后选取8个经典函数对算法进行测试，并与其他算法进行比较分析，结果表明该算法鲁棒性强，优于其他算法。3．针对中心引力优化算法易陷入局部最优这一不足，加强算法的全局寻优能力，提出一种基于差分的中心引力优化算法，根据差分本身固有特性，通过引入差分进化算子对当前粒子位置的分量进行变异，促使算法摆脱局部最优，增强算法的全局收敛性。最后选取6个经典函数对算法进行测试，并与其他算法进行比较分析，结果证明算法的精度得到了明显提高，从而证明了该算法的有效性和可行性。