针对基于支持向量机（support vector machines， 简称SVM）的斜拉桥损伤识别中，用于参数优化的群体智能算法存在初始种群随机性高、缺少扰动更新公式等而降低SVM寻优效率的问题，提出一种基于改进猎食者 （improve hunter-prey optimizer， 简称IHPO） 算法优化SVM的斜拉桥损伤识别方法。首先，在普通猎食者算法的基础上，用Circle混沌映射代替原算法随机生成初始种群机制以降低随机性；其次，在算法中加入柯西变异公式，扩大算法的搜索空间，并将收敛因子的迭代方式由线性修改为非线性，增强算法后期的搜索能力；然后，利用改进算法对SVM的核函数和惩罚因子进行寻优，构建IHPO-SVM损伤识别模型；最后，利用斜拉桥基准有限元模型对该损伤识别模型的有效性进行验证，并用该损伤识别模型对实桥进行损伤识别。结果表明：仿真损伤定位识别精度为95.8%，识别时间为0.36 s；桥梁左、右跨中点损伤程度的识别平均误差不超过3%；实桥损伤识别后被证明无损伤；多种噪声强度下的实验证明损伤识别模型具有较好的鲁棒性。