为了解决随机配置网络(stochastic　configuration　network,SCN)隐含层参数的选择与分配会影响其预测精度的问题,提出一种基于混沌反馈乌燕鸥优化算法(chaotic　feedback　sooty　tern　optimization　algorithm,CFSTOA)的SCN参数优化方法。首先,利用Tent映射、线性因子调节策略、劣势种群反馈原则来改进乌燕鸥优化算法,以增强局部搜索能力,得到一种具备更快收敛速度和更高收敛精度的CFSTOA;然后,在此基础上,将CFSTOA用于优化SCN的正则化参数和权重偏差的尺度因子,从而得到最优的隐含层参数;最后,利用10个基准函数和4个标准回归数据集分别对CFSTOA的性能进行了测试。结果表明,CFSTOA有更快的收敛速度且不易陷入局部最优,可以提高SCN算法的预测精度和训练速度。