随着计算机科学与技术的迅速发展，人类生存空间的扩大以及认识与改造世界范围的拓宽，人们对科学技术提出了新的、更高的要求，其中高效的优化技术和智能计算的要求日益迫切。蛙跳算法是一种新兴的群智能优化算法，概念简单，易于实现。自从2003年Eusuff和Lansey首次提出之后，蛙跳算法在一些领域获得了成功应用。尽管蛙跳算法具有较强的全局搜索能力，但对于一些复杂问题的求解仍存在收敛速度较慢、易于陷入局部极值的缺陷。此外，传统的蛙跳算法模型较适合于解决连续优化问题，不太适合于解决离散的组合优化问题。为此，根据蛙跳算法的优化机理，本文提出了一种新的离散化蛙跳求解算法，并结合简化邻域搜索算法给出了三种改进的策略，在旅行商问题、考试时间安排问题、零空闲流水线调度问题上的仿真实验验证了所提方法的有效性。主要研究成果和内容如下： 首先，分析了蛙跳算法的优化机理，提出了一种适合求解复杂组合优化问题的离散蛙跳算法，新算法通过采用新的个体产生方法扩展了传统蛙跳算法的求解模型。 其次，为了提高离散蛙跳算法的求解性能，给出了三种改进策略：1)根据算法中种群对局部极值和全局极值依赖性较大的特点，结合邻域搜索算法，改进了算法的收敛速度；2)通过增加扰动策略，扩大局部极值和全局极值的搜索范围，提高了算法的时间性能；3)利用模拟退火算法具有较强局部搜索能力的特点，将离散蛙跳算法与模拟退火的思想相结合，既能有效地克服陷入局部最优，又能获得好的搜索效率。 最后，针对旅行商、考试时间安排、零空闲流水线调度这三种受约束的、离散的组合优化问题，采用所提出的离散蛙跳算法及其改进算法进行了仿真实验，结果表明了所提算法及改进策略的有效性。