Para superar las deficiencias del algoritmo de optimización del procedimiento de unión de rayos (LAPO), como la convergencia prematura y la lentitud de la convergencia, se propuso en este documento un algoritmo de optimización del procedimiento de unión de rayos mejorado (ELAPO). En el movimiento del líder descendente, se introdujo la idea de la evolución diferencial para acelerar la convergencia de la población; en el movimiento del líder ascendente, al superponer vectores que apuntan al individuo promedio, se modificó el modo de actualización individual para cambiar la dirección de la evolución individual, evitar caer en un óptimo local y llevar a cabo una búsqueda de información local más precisa; en la etapa de mejora del rendimiento, se utilizó el aprendizaje basado en la oposición (OBL) para reemplazar a los peores individuos, mejorar la tasa de convergencia de la población y aumentar la capacidad de exploración global. Finalmente, se utilizaron 16 funciones de referencia típicas en CEC2005 para llevar a cabo experimentos de simulación con el algoritmo LAPO, cuatro algoritmos mejorados y ELAPO. Los resultados experimentales mostraron que ELAPO obtuvo una mejor velocidad de convergencia y precisión de optimización.