Debido a las deficiencias del algoritmo de murciélagos estándar (BA) para la optimización de múltiples parámetros, se propone un algoritmo de murciélagos mejorado. La prueba de la función de referencia muestra que el algoritmo propuesto tiene una mejor realización de la optimización de funciones de alta dimensión al introducir múltiples modos de vuelo, adoptar una estrategia adaptativa basada en la tendencia del grupo y emplear una estrategia de selección de vuelo de mutación de sonoridad basada en el movimiento browniano. Con el objetivo de las características de la estructura de redes complejas y múltiples variables de diseño de redes de retransmisión cognitiva de acceso múltiple no ortogonal de captación de energía (EH-NOMA-CRNs), utilizamos la estrategia híbrida propuesta de algoritmo de murciélagos mejorado (HSIBA) para optimizar el rendimiento de EH-NOMA-CRNs. Al principio, construimos un novedoso sistema de doble salto asistido por energía de baliza de potencia subyacente EH-NOMA-CRN, y derivamos las expresiones en forma cerrada de la probabilidad de interrupción y el rendimiento de la red secundaria. Luego, la optimización del rendimiento de la red secundaria se formula como el problema de maximización del rendimiento con respecto a la relación de EH y los factores de asignación de potencia. Posteriormente, se emplea el HSIBA para optimizar los parámetros anteriores. Los resultados numéricos muestran que el HSIBA propuesto puede lograr la optimización de la EH-NOMA-CRN construida con una velocidad de convergencia más rápida y una mayor estabilidad.