目前,阵列天线已经被广泛地应用于雷达和通信电子系统中。通过改变阵元数目、排布方式、阵元间距、阵元位置、激励分布等参数能够实现期望的方向图,这是单个天线所不能达到的。反过来,根据期望的方向图对阵列天线参数进行设计则称为阵列天线方向图综合。经典的阵列天线方向图综合方法有道尔夫-切比雪夫方法、泰勒方法、微扰法、伍德沃德-劳森抽样法、傅里叶级数方法等。这些方法对于特定的问题可以获得较好的结果,但对于复杂问题却难以找到确定的综合公式,例如多目标和多参数优化问题等。本文将在以下四个方面对阵列天线方向图综合问题进行研究：第一,寻找普适、高效的综合方法,应对多种阵列天线优化问题；第二,为了更准确地设计天线系统,应考虑天线单元之间的互耦和实际激励分布；第三,大规模阵列天线优化问题,解决内存和时间成本问题；第四,阵列天线方向图的快速计算方法。针对以上问题进行研究,本文的主要贡献如下：1.受到启发将专制制度与传统的遗传算法相结合,提出了一种改进型的遗传算法—多种群首领决策遗传算法(Multi-population leader dominating genetic algorithm, MPLDGA)。该算法具有收敛速度快、全局搜索能力强、消耗时间短等优点,适宜处理多种阵列天线优化问题。方向图和副瓣电平是常见的优化目标,通过分析这两项指标的意义和相互制约关系给出了该类问题的处理方法。首先将方向图赋形作为首要优化目标,然后对得到的方向图进行微小调整并主要地对副瓣电平进行抑制。采用MPLDGA算法分别针对阵列天线方向图综合中的连续优化和组合优化问题进行处理,并得到了满意的结果。2.对微波级联网络进行研究,构造并引入了理想无耗对称互易网络(Ideal lossless symmetrical reciprocal network, ILSRN)用来解决任意微波网络的复杂级联问题,将复杂级联问题转化成标准的一对一连接问题而不改变先前微波网络的性能。基于广义微波网络级联算法,首次提出了考虑互耦效应时阵列天线实际激励系数的计算公式,给出了一种快速精确的阵列天线方向图综合方法。应用该技术分别在微波电路和阵列天线方面进行设计。在微波电路方面,优化设计了一个宽带高隔离度魔-T。其等效电路被分解为一系列子网络,将子网络的级联计算嵌入到遗传算法中并对端口散射特性进行优化,得到了具有良好阻抗匹配特性、高隔离度、良好平衡性的宽带高隔离度魔-T。在阵列天线方面,提出了一种新型快速波导缝隙天线设计方法,替代了传统的Elliott方法,根据这种方法成功地设计了两类波导缝隙天线阵列。最后,利用该技术精确预计了一个二元天线阵列的端口散射特性,通过对馈电网络进行优化改善了整个天线系统的端口阻抗匹配。3.针对大规模阵列天线优化问题提出了分块策略。将诸多的优化参数进行分块处理,每次仅对一个模块进行优化,包含于其它模块的优化参数以其当前最优解作为反馈条件。该方法大大减少了每次处理问题的规模,使得能够采用传统的优化算法(例如遗传算法等)来解决大规模阵列天线的优化问题,降低了计算机的内存需求并减少了计算时间。此外,该方法从随机的初始化参数开始搜索,能够充分利用进化算法的全局搜索能力而不需要先验知识。采用该分块策略和混合遗传算法,首先优化设计了具有3,600个阵列单元的相位分布,实现了对中国大陆版图的波束覆盖。其次,优化设计了10,000个阵列单元的相位分布,在给定增益损失条件下对副瓣电平进行最小化设计。4.将GPU(Graphic Processing Unit)技术应用于阵列天线方向图综合中,实现了阵列天线方向图综合的并行加速计算,极大地缩短了阵列天线方向图综合的时间。将传统的串行循环迭代计算转变为并行计算,分别采用串行双链量子遗传算法(基于CPU)和并行双链量子遗传算法(基于GPU)对一维稀布天线阵列的副瓣电平进行优化设计,最终实现了58倍的加速比且达到了抑制副瓣电平的要求。