混沌蚁群算法（CAS）是一种基于群体智能理论的优化算法，它受自然界中蚂蚁的混沌和自组织行为的启发。 在对CAS的特性进行分析的基础上，本文提出了对CAS的一种改进，称为改进的混沌蚁群（MCAS），它采用了两种新颖的策略来显着提高原始算法的性能。 这是通过将变量限制在搜索范围内并最终使全局最佳蚂蚁从不同蚂蚁的最佳信息中学习来实现的。 在五个基准功能上对MCAS进行的仿真表明，MCAS提高了解决方案的精度。