針對基本混合蛙跳算法收斂速度慢、求解精度不高且易陷入局部最優的缺陷，提出了一種新的正態變異優勝劣汰的混合蛙跳算法。該算法在局部搜索策略中，對子群內最差個體的更新融入了服從正態分布的變異擾動，可有效避免青蛙個體向局部最優聚集，擴大搜索空間，增加種群的多樣性；同時對子群內少量的較差青蛙進行變異選擇，摒棄不利的變異，繼承有用的變異，優勝劣汰，整體提高種群的質量，減少算法尋優過程的盲目性，提高算法的尋優速度。對每個子群內的最優個體引入精英變異機制以獲得更優秀的個體，進一步提升算法的全局尋優能力，避免陷入局部最優，引領種群向更好的方向進化。實驗獨立運行30次，所提算法在Sphere、Rastrigrin、G riewank、Ackley和Quadric函數中均能收斂到最優解0，優于其他對比算法。實驗結果表明，所提算法可有效避免算法陷入早熟收斂，提高了算法的收斂速度和精度。