针对粒子群算法在搜索空间内因个体间缺乏交互,致使种群在迭代过程中逐渐丧失基因多样性,从而使算法过早收敛、陷入局部极值且无法跳脱的问题,提出了一种基于局部远亲差分增强的扰动粒子群算法。首先,为保障初始化种群的随机性以及避免因随机初始化导致种群出现局部聚集的状况,提出了半均匀式初始化种群的策略,使初始化种群以整体均匀、局部随机的方式分布在整个解空间;其次,为扩大种群搜索空间,增加可行性解的多样性,提出扰动因子,在速度与位置更新的过程中加以扰动,使惯性权重、学习因子在整体递变的趋势上保持小范围内波动;再次,为将当前种群的寻优信息作用于下一代种群,利用粒子的适应度值提出重构概率,根据重构概率选择适应度值低的个体重新构建中间种群;最后,为进一步丰富种群多样性,保留对种群基因库影响较大的个体基因,提出粒子不相关性,利用粒子不相关性选择与优秀个体基因差异性较大的远亲个体进行差分增强操作。为验证本文算法的有效性,与基本PSO及同类PSO改进算法进行大量仿真实验,结果表明,本文算法采用种群位置与速度的浮动式变化搜索,显著扩大了解的探索空间,并通过与远亲个体的差分增强操作,使中间种群中适应度值高的个体得以保留,有效增加了种群的多样性,因而具备较强的跳脱局部极值能力,加快粒子逼近全局最优。