در این تحقیق، یک مدل بهبودیافته از الگوریتم بهینهسازی کرکس آفریقایی(African vulture optimization algorithm) توسط یادگیری مبتنی بر مخالفت(Opposition-based Learning) برای حل مسائل بهینهسازی پیوسته پیشنهاد شده است. هدف از این تحقیق نحوه ترکیب الگوریتمها برای حل مسائل مختلف است. استفاده از یادگیری مبتنی بر مخالفت(OBL) تلاشی برای تقویت مرحله اکتشاف در الگوریتم بهینهسازی کرکس آفریقایی(AVOA) است. فایل شبیهسازی این تحقیق فقط برای توابع پیوسته بررسی شده است. آزمایشهای شبیهسازی در محیط متلب 2018 برروی 23 تابع استاندارد IEEE CEC انجام شده است. نتایج با الگوریتم بهینهسازی کرکس آفریقایی و الگوریتم بهینهسازی اجتماع ذرات(PSO) مقایسه شده است.