人工植物优化算法是一种新颖的群智能寻优算法,它通过模拟植物生长的过程,建立了具有光合作用算子、向光性算子及顶端优势算子的人工植物算法框架,但由于该算法的局部搜索能力较差,本文引用两种策略以提高算法的局部寻优性能,在一定范围内提高了算法的优化效率。针对单纯形算法是一种典型的局部搜索算法,该算法综合位置信息,利用反射、延伸、压缩等方式来进行局部寻优。本文在人工植物优化算法的运行基础上,引入单纯形算法,对所获得的最强光照强度进行进一步寻优,以增强算法局部寻优的能力,改善了人工植物优化算法的收敛速度。为了将人工植物优化算法应用于一类具有导数递归信息的优化问题,本文引用了限域拟牛顿算法,该算法由于利用了梯度信息,能有效改善局部搜索性能,故在人工植物优化算法的基础上利用限域拟牛顿算法进一步强化最强光照强度的局部搜索性能,该算法的利用使人工植物优化算法摆脱了局部束缚,提高了其求解非线性复杂问题的能力。