El algoritmo de luciérnagas (FA) es un algoritmo de inteligencia de enjambre capaz de resolver problemas de optimización global de manera exacta; se ha utilizado para resolver muchos problemas prácticos. Sin embargo, los algoritmos tradicionales de luciérnagas resuelven problemas de optimización complejos con un método de actualización simple, lo que lleva a una estancamiento prematuro debido a la limitación de la diversidad de luciérnagas. Para superar estos inconvenientes, se propone un novedoso algoritmo híbrido de luciérnagas (HFA-DLL) con una estrategia de aprendizaje de doble nivel. En HFA-DLL, se propone una estrategia de aprendizaje de doble nivel para evitar la convergencia prematura y mejorar la capacidad de búsqueda global del algoritmo. Al mismo tiempo, se introduce un mecanismo de eliminación competitiva para aumentar la precisión en la resolución de problemas de optimización complejos y mejorar la tasa de convergencia del algoritmo. Además, se diseña una estrategia de perturbación estocástica para ayudar a que la mejor solución salte fuera del óptimo local y minimice el costo temporal en la dirección incorrecta. Para comprender las ventajas y desventajas de HFA-DLL, se realizaron experimentos en el conjunto de pruebas CEC 2017. Los resultados experimentales muestran que HFA-DLL supera a otros algoritmos de vanguardia en términos de tasa de convergencia y eficiencia de exploración.