近些年来，一类模拟生物的群体性智能行为的进化计算方法，由于其不依赖于待求解问题的梯度信息，并且具有强大的全局优化能力，已经成为一个重要的研究热点。混合蛙跳算法（SFLA）是一种模仿青蛙群体觅食行为的智能优化算法，具有参数少，结构简单，鲁棒性强等优点。然而对某些较复杂问题的求解，仍存在着一些不足。本文针对经典SFLA寻优精度低、收敛速度慢、易于早熟等缺点，在深入研究其优化原理的基础上，提出了一种改进算法——采用贪婪搜索策略的混合蛙跳算法（GSFLA）。运用混沌理论构造初始种群，使得初始种群更加均匀地分布于可行域中，保证了种群的多样性；提出并采用贪婪搜索策略进行局部搜索，即同步更新每个子种群中的最差个体和最优个体，提高了算法的搜索效率；引入模式搜索机制改善最优个体，使得求解精度大幅提高；设计了一种自适应移动因子更新最差青蛙个体的移动步长，加快了算法的收敛速度，避免了早熟收敛。实验结果表明，GSFLA的性能明显优于经典SFLA，有效地提高了算法的寻优精度，加快了收敛速度，避免了算法早熟。研究了印制电路板（PCB）元器件组装检测的基本原理，将PCB元器件检测问题等效为图像模板匹配问题，采用改进的混合蛙跳算法对匹配过程进行优化，提出了一种新的PCB元器件检测方法。该方法利用GSFLA的非遍历搜索机制和强大的全局寻优能力迅速找到最佳匹配子图，实现了PCB元器件的快速自动检测。实验结果表明，该方法具有更快的检测速度和更高的识别成功率，适用于PCB元器件的组装检测。针对采用贪婪搜索策略的混合蛙跳算法，对算法参数进行合理地调整和设置是改善其性能的关键措施。在接下来的研究工作中，将研究算法参数设置的规律，进一步改善GSFLA的性能。另一方面，可考虑将GSFLA应用于其它研究领域。