近年来，因实际工程问题的需要，智能优化算法得到了快速的发展，现阶段主流的智能优化算法有遗传算法、粒子群算法、蚁群算法、混合蛙跳算法等。混合蛙跳算法（SFLA）是一种模拟青蛙觅食行为的智能优化算法，是应用于求解各种组合优化问题的一种新方法。SFLA具有设置参数少、简单易于理解、鲁棒性强等特点，并在很多问题求解中已得到成功应用，然而混合蛙跳算法在理论和实践上还不够成熟。虽然众多学者对其进行了改进，但对于一些复杂问题的求解，仍存在收敛速度慢、计算精度不高、易陷入局部最优等缺陷。本文在深入研究混合蛙跳算法的基础上，以提升其计算性能为目标，从种群初始化、子种群划分、局部搜索、种群的淘汰机制四个方面分别对经典混合蛙跳算法进行了改进，提出了一种改进的混合蛙跳算法（ISFLA）。通过正交设计理论产生初始种群，使得种群均匀分布在可行域中，进而使得算法能够在整个可行域空间进行均匀搜索；改进了子种群的划分方法，缩小了种群间的差异，扩大了种群多样性；在解的更新公式中，设计了一种自适应因子来更新移动步长，加快了收敛速度；提出了基于小生境技术的种群淘汰机制，将陷入局部最优的子种群及时淘汰，较好地避免了算法早熟收敛的现象。实验结果表明，改进后的混合蛙跳算法有效地避免了经典混合蛙跳算法的早熟收敛问题，同时改善了对复杂函数的搜索效率，具有更好的收敛效果和更高的求解精度。ISFLA中参数的合理取值是影响算法性能的关键，在后续的研究工作中，将从算法参数的设置方面入手，改善ISFLA的性能。另外，还可以考虑将ISFLA与其它优化算法相结合，进一步加快收敛速度，提高解的精度。在此基础上，利用改进算法求解实际工程中的优化问题。