在分析标准苍狼优化算法（GWO）的开发与探索性能基础上，提出了一种混合苍狼优化算法（MAR-GWO），搜索域得到了全面的扩展，其中针对[α、][β、][δ]领导层苍狼，引入自主搜索行为来加大其优化力度与促进速度的提高，对性能较差搜索狼采取淘汰重组机制以提高搜索效率，又采取概率差分变异行为增加了个体多样性，从而避免局部最优。为了验证MAR-GWO算法有效性，对13个全局优化问题进行实验，分别与GWO、GWO-EPD（改进的苍狼优化算法）、PSO、EA等算法进行了对比测试，从实验结果来看，MAR-GWO算法寻优成功率相对较高、收敛速度快，不易陷入局部最优，在智能算法中具有很强的竞争力。