针对标准粒子群算法遇到的易陷入局部最优、收敛差、求解精度低等问题，提出了多种群多策略竞争粒子群优化算法.新算法将每一代粒子根据适应度排序，将其划分为不同的子种群，并引入非线性Logistic混沌映射权重、收缩因子和混合高斯-柯西扰动机制来更新这些子种群.使用不同的粒子更新方式平衡了算法整个时期的全局搜索和局部开发能力，从而加快了收敛速度.最后，将多种群多策略竞争粒子群优化算法与标准粒子群算法和其它优化算法在11个测试函数上进行对比，结果表明，新算法在跳出局部最优解、和寻优精度方面显著优于标准粒子群算法，且有更快的收敛速度.在寻优能力和算法稳定性上大幅度强于其它对比算法.