针对非洲秃鹫优化算法收敛效率较低、易陷入局部最优问题，提出一种基于邻域精英学习和重启机制的非洲秃鹫优化算法。首先，引入动态透镜成像反向学习策略初始化非洲秃鹫的位置，增加种群多样性；其次，通过邻域精英学习策略引导秃鹫个体跳出局部最优，加快算法的收敛速度；最后，对种群较差个体执行重启操作，使其向最优个体所在区域移动，从而提升每次迭代后的个体质量，增强算法的寻优精度。通过9个基准测试函数验证所提算法的性能，实验结果表明，改进算法在收敛速度、寻优精度以及全局搜索能力方面均表现出更优的求解性能。