随着科技技术不断地发展，群智能化算法已逐渐在整个优化领域中成为一个研究热点。许多的群智能算法基本上完成了理论论证，在实践中解决优化问题中已得到了广泛的应用。群智能拥有着潜在并行性和分布式的这两个特点，在处理大量数据时提供了一个根本保障。2003年，我国著名学者周永华、毛宗源模拟人口迁移原理创建了一种优化智能算法—人口迁移算法(population Migration Algorition,简称PMA)。与传统算法相比较，PMA在解决高维函数和动态目标函数等问题时，有着较快的收敛速度和鲁棒性等特点。由于PMA本身在人口流动过程中搜索速度较慢以及精度不高等缺点，极其容易陷入局部最优解从而收缩时间较长。为了完备这个算法，我们对这种算法的研究是非常必要的。主要是针对PMA的不足，本文作了比较深入的研究，并且在此基础上给出了理论与实践的证明，都显示出比较满意的结果。主要的工作概括如下几方面：首先，由于PMA在对复杂优化问题求解时，存在着易陷入局部最优解和较低的收敛精度等不足。我利用了蛙跳算法的局部搜索机制和交叉算子改善了PMA的人口流动策略，进而可以有效地避免了PMA的早熟问题，这样就会提高了PMA对解决复杂问题的搜索速率。其次，运用随机过程的相关理论对改进的PMA进行了理论证明，验证了改进的PMA算法的有效性和可行性。同时我对PMA运用复杂的测试函数进行了仿真实验，结果表明了PMA获得准确解的成功率很高。在整个算法执行过程中也表现出了改进的PMA拥有着较强的稳定性、鲁棒性和全局搜索能力。