元启发式算法是一类求解多种工程技术领域内优化问题的有效方法。当前，常见的元启发式算法面临着勘探与开发不平衡、优化性能不稳定等缺陷，影响了算法的性能。为此，提出一种基于空间衰减自扩散机制的黏菌遗传混合算法SMAGA，该算法以遗传算法为基准结构，通过选择、交叉、变异三项操作重组特征引导个体在解空间内搜索。SMAGA首先设计了具有正负反馈和和随机游走特性的振荡收缩机制作为交叉算子以增强算法的全局搜索能力和局部搜索能力。其次，提出一种基于空间衰减的自扩散机制作为算法的变异算子，该机制使用随算法生命周期衰减的空间尺度引导自身进行扩散运动，在算法前期增强了多样性，在算法后期可有效挖掘可行解的邻域信息。最后，提出一种判别式控制策略，可根据群体适应度的分布偏差自适应调整算法的参数，进而平衡算法的勘探能力和开发能力。为验证算法的性能，分别在IEEE进化计算大会公开的IEEE CEC2017和IEEE CEC2021基准测试集上展开实验。两项测试集模拟了现实世界中具有复杂和无偏数学特性的优化问题，可以避免简单模式引起的加速搜索行为。与其他23种不同类型算法对比实验结果表明本文所提算法能够有效平衡算法的两项能力，相比其他算法至少存在1个数量级的优化精度差异，有望高效解决复杂优化问题。
