Se propone un algoritmo de tejón de miel mejorado de múltiples estrategias (MIHBA) para abordar el problema de que el algoritmo de tejón de miel puede caer en un óptimo local y en una convergencia prematura al enfrentarse a problemas de optimización complejos. Al introducir secuencias de Halton para inicializar la población, se mejora la diversidad de la población y se evita efectivamente la convergencia prematura. El factor dinámico de densidad de las ondas de agua se agrega para mejorar la eficiencia de búsqueda del algoritmo en el espacio de soluciones. También se introduce el aprendizaje de oposición de lentes basado en el principio de la imagen de lentes para mejorar la capacidad del algoritmo de deshacerse de los óptimos locales. MIHBA logra la mejor clasificación en 23 funciones de prueba y 4 problemas de diseño de ingeniería. La mejora de este documento aumenta la velocidad y precisión de la convergencia del algoritmo, mejora la adaptabilidad y capacidad de resolución del algoritmo para funciones complejas, y proporciona nuevas ideas para resolver problemas complejos de diseño de ingeniería.