针对混洗蛙跳算法在求解连续函数优化问题中出现的收敛速度慢、求解精度低的缺点, 提出了一种基于反向学习策略的改进算法, 在种群初始化和进化过程中分别加入反向操作, 产生更靠近优质解的种群, 从而提高了算法的全局寻优能力, 促进了算法收敛。实验仿真表明, 新算法在寻优效率、计算精度等方面均优于原算法。