最优化问题一直是科学研究过程中不可忽视的一个环节,研究问题时,最后都需要在众多结果中确定出最佳方案,因此开发高效的优化技术就成了一个热点。随着科技的迅猛发展,智能优化算法在解决最优化问题时扮演了越来越重要的角色。　　 混合蛙跳算法(Shufiled Frog Leaping Algorithm,SFLA)是2003年由国外学者MuzaffarM.Eusuff和Kevin E.Lansey提出的一种新型的群体智能优化算法,因其出现时间较短,相关研究成果还比较少,尤其在电磁场与微波技术领域。本文将对混合蛙跳算法进行较为深入的研究,从算法的基本原理、基本参数到算法在微波器件优化设计中的应用,再到算法自身优化性能的改进。　　 文章首先介绍混合蛙跳算法的基本原理、主要参数和标准运算步骤,并编写程序对算法的性能进行测试;　　 其次将算法与高频仿真软件HFSS结合进行联合仿真,优化设计了一个微带贴片天线,整个过程实现了智能化,并将优化结果与HFSS V12中自带的优化功能所得结果对比,验证优化思路的可行性:　　 接着研究了算法解决离散域问题的方法,编写了用于解决离散问题的混合蛙跳算法,并将该算法用于微带贴片天线的性能改善,通过去除适当位置的单元小贴片,优化了多频段天线和宽频带天线;　　 最后通过对算法更新过程中的每代最优解进行高斯变异的方法,增加了样本的多样性,有效地改善了算法的寻优性能,提高了算法的优化效率,典型测试函数的测试效果显著;接着进一步拓宽混合蛙跳算法在电磁场领域的应用,将改进前后的算法用于天线阵列的方向图综合,验证了算法改进策略的可行性,计算结果表明改进后的算法比改进前的算法效率更高。