为改善金鹰算法在求解室内可见光定位问题时的优化能力，基于重要度抽样技术和Kullback–Leibler距离的交叉熵(CE)方法，提出1种新的交叉熵金鹰优化(CEGEO)算法。将交叉熵方法融合到金鹰优化(GEO)算法中，通过协同演化获得的新种群更新抽样概率分布参数，加速算法的迭代进程，降低抽样样本数和计算成本，提高算法的全局优化能力；同时，采用共同更新得到更好的个体，大幅度增加种群的多样性，改善算法的收敛速度。采用CEGEO算法及其他4种算法对标准测试函数和室内可见光定位优化问题进行仿真实验，比较分析CEGEO算法的性能。结果表明：与其他4种算法相比，提出的CEGEO算法具有更高的求解精度和更快的收敛速度，能有效平衡全局和局部搜索能力，寻优能力更强；在室内可见光定位中定位精度小于2.74E–12 cm，估计位置误差最小，平均误差接近2.07E–15 cm,CEGEO算法是1种解决室内可见光定位优化问题的有效算法。