混合蛙跳算法是2003年由Eusuff和Lansey提出的一种基于群体智能的生物进化算法。该算法具有概念简单、参数少、计算速度快、全局寻优能力强、易于实现的特点,目前在水资源网络分配问题、函数优化、成品油管网优化、组合优化、图像处理、多用户检测等方面得到了初步应用,并取得了良好的效果。本论文围绕混合蛙跳算法的原理,理论及其应用,分析了混合蛙跳算法的收敛特性及存在的不足,在此基础上提出了几种改进的混合蛙跳算法,并将改进后的混合蛙跳算法应用于投影寻踪模型和电力系统经济调度中的优化问题。本文的主要研究成果包括:1.提出了一种带记忆功能的混合蛙跳算法。通过引入自适应学习因子,使算法在迭代初期加速收敛并不断拓展新的搜索区域,在迭代后期能够在全局最优邻域进行精细搜索,从而保持了开发与探索的平衡,并提高了收敛精度;采用随机分组策略平衡各子群的寻优能力,维持了种群的多样性,提高了算法跳出局部最优的能力。通过对测试函数进行优化实验,并与基本混合蛙跳算法和相关文献中的改进算法进行比较,实验结果表明该算法具有更好的优化性能。2.提出了一种带收缩因子的混合蛙跳算法。通过引入加速度因子,提高了最差个体向子群体中最优个体或整个群体中全局最优个体学习的能力,加快了算法的收敛速度;通过引入收缩因子,保证了算法的收敛性;通过对最差个体执行自学习算子进行局部寻优,充分利用最差个体中的有用信息,提高了个体的自学习能力和算法的优化精度。通过对测试函数进行优化实验,并与基本混合蛙跳算法和相关文献中的改进算法进行比较,实验结果表明该算法具有更好的优化性能。3.提出了一种粒子群和混合蛙跳算法融合的混合算法。利用粒子群优化算法的快速收敛特性和混合蛙跳算法突出的全局协同搜索能力,混合算法在执行过程中将种群分为两个子群体,一个子群体采用粒子群算法进化寻优,另一个子群体采用改进的混合蛙跳算法进化寻优,两个子群体共享整个种群极值信息。通过对三个标准函数进行实验并与基本粒子群算法和相关文献中的改进粒子群算法进行比较,结果表明该混合算法具有更好的优化性能。4.利用混合蛙跳算法优化了投影寻踪模型,使用该模型对甘肃省主要城市国民经济综合指标和某县生态农业建设综合指标进行评价,得出了样本整体评价排名及各评价指标对整体评价结果的影响权重。5.利用混合蛙跳算法优化了电力系统经济调度中单目标或多目标情况下的机组功率配置,得出最优机组配置参数或最优机组配置非劣参数集。最后,对全文的研究工作进行了总结,并展望了混合蛙跳算法的进一步研究的内容。