针对布谷鸟优化算法收敛速度慢、全局寻优精度低的问题,提出了一种改进的基于自适应差分扰动的布谷鸟优化算法。该算法在布谷鸟算法框架下加入自适应差分扰动量,使目标函数适应度在当前解的基础上进一步减少,加速算法收敛。差分扰动量由扰动系数和适应度负差分向量决定。适应度负差分向量作为扰动方向有助于适应度降低。扰动系数与算法进化阶段相适应,使算法在迭代初期有较快收敛速度,而后期有更高的寻优精度。将该算法和标准布谷鸟算法在多个单峰和多峰标准测试函数上进行仿真实验,结果表明该算法具有更快的收敛速度和更好的全局搜索能力。