近几年，随着生产力的发展和科学技术的进步，实际工程中优化问题的复杂性日益增加，传统优化问题已很难满足其对非凸、不可微等复杂问题的求解要求，故启发式优化算法以其智能性和高效性等优势，受到众多学者的研究。作为一种模拟青蛙觅食行为的元启发式全局优化算法，混合蛙跳算法具备结构简单、收敛速度快、全局寻优能力较强等特点。但是，对于实际工程优化问题中的一些复杂问题，混合蛙跳算法仍存在进化后期收敛速度慢，容易陷入局部最优而导致收敛精度差等不足。本文提出了一种混合蛙跳算法的改进算法。该算法采用随机化均匀设计方法构造初始种群，使青蛙能够更均匀地分布在问题的可行域中，从而提高了初始种群的多样性，增加了算法搜索到全局最优解的概率；在算法运行的不同阶段，使用动态影响因子自适应地调整局部搜索策略，使其更加符合种群搜索的动态特征，提高了搜索效率；通过计算群体适应度方差判断种群是否陷入局部最优，并在确定种群陷入局部最优以后，在局部搜索中加入双混沌优化机制，以改善种群的多样性，在一定程度上处理了早熟收敛并提高了解的精度。采用几个基准测试函数对本文算法进行了验证，仿真结果表明，本文改进的算法不仅具有更快的收敛速度和更高的求解精度，而且在一定程度上处理了早熟收敛现象。在后续工作中，需进一步加强对该算法本身的研究，以此为基础，鉴于算法参数设置对其效果的重要性，后续工作将对算法参数之间的关系及其设置进行研究，并将研究结果用于求解实际工程中的优化问题。