在计算机、工程设计、经济管理、智能交通、人工生命等众多领域中,优化问题是个普遍存在的问题.正是这些现实问题的不断驱使,优化问题已成为一门应用范围广、实用性强的实验学科.对于优化问题的求解,人们也进行了长期不懈的探讨和研究.求解方法一般分为两类：传统算法和智能优化算法.智能优化算法克服了传统算法计算复杂大、应用范围局限等缺点,对于规模大且函数性质比较差的优化问题效果显著,通用性更强、适应性更广、效率更好.蛙跳算法(SFLA)是一种新型的仿生物学智能优化算法,具有高效的计算性能和优良的全局搜索能力.作为一种全新的启发式群体进化算法,蛙跳算法结合了基于模因进化的模因算法和基于群体信息共享机制的粒子群智能优化算法的优点.该算法具有概念简单、调整参数少、计算速度快、全局搜索能力强、易于实现等特点,正逐渐成为一种解决问题的有效途径和方法.但蛙跳算法来源于生物群体现象,其理论分析和应用研究都处于初级阶段,有待于进一步发展和完善.本文针对蛙跳算法容易早熟收敛、搜索精度不高等缺点进行改进,最后将改进后的算法应用于旅行商问题(TSP)和容量约束车辆路径优化问题(CVRP)的求解.一、在蛙跳算法的局部搜索中引入拟人退火思想,提出了基于拟人退火的蛙跳算法(PA-SFLA)改进后的算法通过借鉴模拟退火的随机扰动、增加拟人策略来提高寻优能力,避免陷入局部最优.最后利用经典函数测试,验证了改进后算法的优越性.二、将改进后的蛙跳算法应用于旅行商问题(TSP)的求解.简单描述了TSP问题的数学模型和设计思路,并进行最后的实例仿真,得到了模型的最优解,验证了改进后的蛙跳算法求解TSP问题的可行性和有效性.三、最后,将改进后的蛙跳算法应用于容量约束车辆路径优化问题(CVRP)的求解.简单描述了CVRP问题的数学模型和算法设计,构造恰当的编码方法,并通过实例仿真得到多条可行路径,提供多种调度方案,验证了改进后的算法求解CVRP问题的可行性和有效性.最后,全面系统的总结全文,提出蛙跳算法中的不足及后续需要改进的地方.