蛙跳算法（SFLA）是一種全新的啟發式群體進化算法，具有高效的計算性能和優良的全局搜索能力。對混合蛙跳算法的基本原理進行了闡述，針對算法局部更新策略引起的更新操作前后個體空間位置變化較大，降低收斂速度這一問題，提出了一種基于閾值選擇策略的改進蛙跳算法。通過不滿足閾值條件的個體分量不予更新的策略，減小了個體空間差異，從而改善了算法的性能。數值實驗證明了該改進算法的有效性，并對改進算法的閾值參數進行了率定。