混合蛙跳算法是一种仿生物学群体智能优化算法，被成功用于求解实际优化问题。但是，因为其提出的时间相对较短，所以目前的研究还没有达到成熟和全面。目前，大多数文献在其算法分析及理论研究尚处于起步阶段，算法仍有很大的研究空间，值得我们进一步研究。近几年虚拟现实技术飞速发展，作为虚拟现实技术的重要研究方向之一，人群运动仿真在工业、交通、娱乐等多个领域应用前景广阔，但目前仍存在一定的挑战。路径规划方法是实现人群运动仿真的一种重要方法。本文的主要工作是对混合蛙跳算法进行改进，并将其应用到基于路径规划的人群运动仿真中。本文的主要工作与创新点如下：(1)针对混合蛙跳算法的收敛速度慢、收敛精度低的缺点，本文利用自适应惯性权重以及人工蜂群算法的优点对其进行改进。在标准混合蛙跳算法的局部信息交流中引入了自适应惯性权重因子，在算法的全局信息交流中与人工蜂群算法相结合，最终提出了一种改进的混合蛙跳算法——A2SFLA。仿真实验结果表明，该算法在收敛速度、寻优能力以及收敛精度上较原算法都有了一定的提升。(2)将标准混合蛙跳算法及其改进算法A2SFLA在人群运动仿真中进行应用。本文将混合蛙跳算法以及对其改进的A2SFLA与人群运动仿真相结合，并且在人群运动仿真系统中进行群体仿真，分别实现了人群的标准运动、聚集现象和多出口疏散现象。仿真结果表明，SFLA及其改进算法在进行人群运动仿真时具有很高的真实性。(3)根据不同的仿真场景，提出了两种层次化路径规划模型：基于A*算法的层次化路径规划模型和基于拓扑图的层次化路径规划模型。其中前者适用于障碍物比较分散的室外场景，而后者适用于室内等容易进行区域划分的场景。人群运动仿真实验验证了两种方法的有效性，并且表现出了优良的仿真性能。结合以上三点研究内容，在所参与的科研项目中实现了“基于群体智能的群体仿真系统”和“基于人工生命和群体智能的动画创作系统”中的多个功能模块。本文作者设计并完成的模块该包括场景建立模块、运动仿真模块、基于A*算法的分层路径规划模块、基于拓扑图的分层路径规划模块和算法对比模块等部分。在场景建立模块中，系统中在仿真场景建立时，通过对场景obj文件解析，在系统中进行场景快速建立，通过实验可以看出恢复的场景具有很好的逼真性。