研究了启发式优化算法中种群向均值点迁移的策略，并发现该策略对于提升算法性能具有重要影响，同时具备物理和数学含义.通过极大似然估计方法对基态波函数进行参数估计，建立了量子系统达到基态时最优解概率密度函数与种群均值点之间的联系，并从动力学的角度解释了种群均值点的物理意义.通过在几种经典优化算法上添加利用均值点位置信息的操作，在CEC2013测试集与摄像机布局优化的工程应用上进行对照实验，实验结果表明合理利用均值点位置信息可以有效提升算法的性能.