【目的】最优传输在实际应用中通常使用Sinkhorn算法求解熵正则化形式得到近似解，考虑Sinkhorn算法的效果容易受熵正则化参数影响，且难以收敛到最终精确解，提出了一种超松弛形式的近似点算法。【方法】针对原最优传输的近似点算法，为其中传输计划的迭代计算引入超松弛算子，并给出了超松弛参数计算方法。【结果】在保持算法对正则化参数具有鲁棒性及可收敛至精确解的优点的同时，所提算法能更快地收敛至精确解。【结论】数值实验表明，相较于原近似点算法，所提算法进一步提升了收敛速度，在有限的迭代步骤下能够达到更高精度，算法可更好地应用于机器学习。