针对露天矿无人驾驶卡车运输调度问题，以无人驾驶卡车燃油费用、固定启用费用、故障维修费用及网络基站建设与维护费用之和最小为目标函数，并以采矿场开采量、破碎场破碎量、卡车数量、卡车运输工作量为约束条件，建立了露天矿无人驾驶卡车运输调度优化模型。针对被囊群算法存在全局勘探和局部开采能力不平衡的问题，提出了一种基于Singer映射和参数位置自适应更新机制的改进被囊群算法（ITSA），并将其用于求解露天矿无人驾驶卡车运输调度优化模型。该算法引入Singer映射用于增强初始被囊种群在解空间中的分布性，加快压缩解空间大小，从而提高算法收敛速度；通过参数位置自适应更新机制调节被囊个体与最优被囊个体位置，以增大解空间的搜索范围，从而使算法跳出局部最优。仿真结果表明：与灰狼优化算法（GWO）、鲸鱼优化算法（WOA）、原子搜索优化算法（ASO）及被囊群算法（TSA）4种群智能优化算法相比，ITSA具有更好的收敛精度、收敛速度和稳定性能；在单峰基准函数上，ITSA的各项评价指标远优于其他4种算法，表明ITSA具有更好的局部开采能力；在多峰基准函数上，ITSA的各项评价指标表现出更好的寻优性能，表明ITSA具有更好的全局勘探性能。实际应用场景表明，ITSA用于求解无人驾驶卡车运输调度优化模型时具有更快的收敛速度和更高的收敛精度，且减少了卡车运输费用和运输距离。