混洗蛙跳算法是模拟自然界青蛙群觅食过程的后启发式优化算法,是一类新兴的智能优化算法。虽然具有较强的全局搜索能力,然而在求解复杂优化问题时,仍存在早熟收敛、陷入局部最优的缺陷。作为随机智能优化算法的典型代表,遗传算法具有并行性、全局搜索能力强、鲁棒性强等优点。因此,本文在分析了混洗蛙跳算法的优点与缺陷的基础上,借鉴遗传算法的思想对混洗蛙跳算法进行了改进。本文的主要工作如下：(1)借鉴遗传算法的思想,在混洗蛙跳算法的全局搜索中引入自然选择和交叉操作,在其局部搜索中引入变异操作,提出了具有遗传算子的混洗蛙跳算法。用典型测试函数构成测试环境进行寻优实验,所得到的结果比基本混洗蛙跳算法的结果更为优越,说明了引入遗传操作使得算法性能有较大提升。将所提算法用于质子交换膜燃料电池模型的参数估计,实验结果验证了其有效性。(2) 使用DNA编码方式对遗传算法中的染色体编码,设计了移位重构交叉算子,并采用颈环变异算子。借鉴自然界物种的多样性思想,提出了多种群循环策略,以扩大算法解空间的搜索范围。提出了一种多种群循环遗传算法,将其用于生成混洗蛙跳算法的初始解,构成了一种基于多种群循环遗传结构的混合混洗蛙跳算法。通过对典型无约束测试函数进行寻优测试,并与其他算法的实验结果作对比,验证了所提算法的有效性。将该算法用于重油热裂解过程模型参数估计,所得结果与文献中的算法进行了比较,显示了所提算法的优越性。