混合蛙跳算法是一种模拟青蛙群体觅食行为的现代启发式智能算法。群体智能优化算法本身为并行算法，且SFLA某些性能需要进一步验证。本文在研究了标准型混合蛙跳算法寻优机理后，针对其易于早熟、寻优精度低的缺点，提出了两种改进的混合蛙跳算法并对其性能和电力工程应用进行了较为深入的研究。论文的主要工作如下：（1）详细的介绍了混合蛙跳算法的行为描述、数学模型、算法步骤并讨论了参数设置对算法性能的影响，然后分析了混合蛙跳算法中的三个更新算子对群体性能和平均优化结果的影响。实验结果表明，群体随机产生算子不可或缺，能够保持较高的种群多样性；去掉向全局极值学习算子，可以提高算法的运行速度和优化精度。（2）借鉴遗传算法的“变异”思想，提出了基于柯西变异算子的混合蛙跳算法，通过随机扰动策略，柯西变异算子增强了算法全局寻优能力，扩展了群体搜索空间域，提高了算法局部逃逸能力。（3）提出了一种基于群体多样性反馈的混合蛙跳算法。给出了一种群体多样性定量评价指标，通过群体多样性的反馈信息来指导算法进化方向。该算法定义了吸引与排斥两种操作，种群在多样性控制器的指导下不断的作吸引运动与排斥运动，降低青蛙觅食过程中的盲目性，使得种群的多样性在进化的过程中不会出现标准SFLA算法的多样性迅速减小的情况，有效的防止标准的SFLA算法因对当前最优个体的过度依赖而陷入局部最优的现象。通过对标准的测试函数优化实验，结果表明改进混合蛙跳算法具有更好的全局优化性能。（4）鉴于混合蛙跳算法在电力工程领域的应用研究相对较少，本文将混合蛙跳算法SFLA用于解决电力系统ELD问题与电力静态负荷模型参数辨识问题。通过IEEE典型实际案例的优化计算，并与文献实验结果进行对比分析研究，验证了算法的有效性。