在科学研究和工程应用中都涉及对优化问题的求解,而随着工业发展朝着新型化、综合化、连续化的方向迈进,使得工业生产过程中所面对的优化问题具有多目标求解、强非线性、高变量维度等特征。而启发式智能算法为复杂优化问题的求解开辟了新的解决途径,因而对智能算法的研究具有重要理论意义和应用价值。蛙跳算法(SFLA)是受青蛙捕食行为的启发而设计的一种启发式智能算法,算法通过模拟青蛙捕食,使得粒子在可行域空间内进行迭代搜索,具有结构简单,参数较少,稳定性强等优点。目前受到国内外业内学者广泛关注,已成为智能算法优化研究领域的热点。但该算法也存在自身的缺陷,如求解精度低、收敛速度慢、易早熟等缺陷。因此,为了增强算法性能,弥补算法不足,需对算法进行更深入的研究与优化。针对蛙跳算法在多模态函数寻优中存在的易陷入局部最优、求解精度低、寻优峰值数过少等缺陷,提出一种免疫双向蛙跳算法,并将该算法用于多模态函数寻优中。算法在每次循环迭代中,先通过基于双向进化机制的蛙跳算法以模因组的形式进行“局部-全局”搜索,再通过克隆选择算法,对已搜索到的解进行局部优化,以进一步提高解的精度。最后通过将部分函数旋转,以进一步验证算法的性能。仿真结果表明,与原始蛙跳算法相比,该算法在保证收敛速度的同时,算法在寻优精度和搜索到的极值点数目方面都显著提高。X射线脉冲星导航(XNAV)是一种应用较为广泛的天文自主导航,通过到达时间(TOA)来获取航天器在深空中的各项参数,而要计算TOA最好的方式是通过时延估计。本文在传统双谱算法的基础上,通过引入改进的蛙跳算法,提出了一种估计X射线脉冲星累积脉冲轮廓时间延迟的方法。该方法在地面数据控制中心通过改进的蛙跳算法提取X射线脉冲星累计脉冲轮廓双谱的特征谱点,并将特征谱点存入航天器数据库中。使得在航天器中只需计算标准累积脉冲轮廓(SIPP)和观测累积脉冲轮廓(OIPP)在特征谱点处的双谱值,从而减少计算量,达到加快时延估算的目的。最后通过仿真实验表明,该算法在保留了传统双谱算法在时延估计中高精度特点的同时,大大增强了导航算法的实时性。