针对标准黏菌算法（SMA）存在的容易陷入局部最优解、收敛速度慢以及求解精度低等问题，提出一种多策略融合的改进黏菌算法（MSISMA）。首先，引入布朗运动和莱维飞行机制以增强算法的搜索能力；其次，根据算法进行的不同阶段分别改进黏菌的位置更新公式，以提高算法的收敛速度和收敛精度；然后，应用区间自适应的反向学习（IAOBL）策略生成反向种群，以提升种群的多样性和质量，从而提高算法的收敛速度；最后，引入收敛停滞监测策略，当算法陷入局部最优时，通过对部分黏菌个体的位置重新初始化使算法跳出局部最优。选取23个测试函数，将MSISMA与平衡黏菌算法（ESMA）、黏菌-自适应引导差分进化混合算法（SMA-AGDE）、SMA、海洋捕食者算法（MPA）和平衡优化器（EO）进行测试和比较，并对算法运行结果进行Wilcoxon秩和检验。相较于对比算法，MSISMA在19个测试函数上获得最佳平均值，在12个测试函数上获得最佳标准差，优化精度平均提升23.39%~55.97%。实验结果表明，MSISMA的收敛速度、求解精度和鲁棒性明显较优。
