花朵授粉算法是模拟开花植物过程的启发式算法,其特征表现为操作简便、鲁棒性强、搜索速度快、精度高和适用性强,在优化选择领域被广泛应用。但随着处理数据规模的大量增加,存在收敛速度慢、局部深度搜索能力弱、不易跳出局部最优、全局搜索能力弱的问题。针对上述问题,提出一种基于混合蛙跳和中心随机替换的改进花朵授粉算法。首先,改进混合蛙跳算法,通过较好个体的平均值调整最差个体的位置,提高算法的局部深度搜索的能力;其次,利用中心随机替换策略在解集的中心点和全局最优解的连线及延长线上随机取一点替换当前解,加快算法的收敛速度;最后,为更好的满足算法的全局搜索性能要求,引入多样性控制策略,根据种群的多样性,动态地改变转换概率,增加全局搜索的概率。通过六种测试函数仿真实验结果表明算法的有效性,在加快收敛速度的同时,易跳出局部最优,算法的全局寻优能力明显提高,多样性也没有受到影响,寻优能力远高于标准的花朵授粉算法。该论文有图13幅,表6个,参考文献52篇。