团簇是由多个分子或原子聚集在一起的微观结构,其特殊的物理或化学性质深得各个领域的重视。为了能够确切的表示团簇中原子或分子间的相互作用,学者们推导出了许多势能函数。团簇的势能值越低,其构型就越有可能是基态构型。然而当团簇中原子数目增大时,团簇势能面上的局部极小值点的数量也呈指数级增大,所以寻找团簇的全局最优构型是一个NP难问题。为此,学者们研究发表了许多启发式算法,并被用于优化团簇构型。其中,Basin-Hopping算法,动态格子搜索算法,表面操作与内部操作,遗传算法,自适应免疫优化算法,构成空间退火算法是当前常用的团簇优化算法。针对Au团簇构型的优化,采用Gupta势能函数来表示Au团簇中原子彼此间的作用力,使用基于距离的扰动策略来改进传统的Basin-Hopping算法,再结合改进的表面操作和内部操作,提出一种基于距离和能量策略的两阶段优化算法。该算法通过实验成功获得了多个新的Au团簇构型,刷新了五个算例的势能值,其中多个算例的势能值大幅度优于已发表文献中的最低势能值。通过比较势能值和局部极小化次数,分析了Basin-Hopping算法的各个参数的合理取值。基于势能值的下降轨迹,分析了该算法的两个不同阶段的具体作用,以及两阶段联用的优势。最后通过团簇构型的主视图和俯视图,直观分析了实验获得的Au团簇的最优构型的类型。