群体智能算法作为元启发式优化算法的一个重要分支,以其独特的自适应性而生生不息。它能够被用来解决传统优化算法如梯度下降法等无法解决的优化问题,受到了各个领域学者的青睐。粒子群算法是上世纪九十年代年提出的一种智能优化算法,它具有参数少、逻辑简单、适应性强、寻优精度较高等优点。但在面对复杂问题时会存在收敛速度慢、易陷入局部最优、早熟收敛等问题。鉴于此,本文对标准粒子群算法做出改进,提高其性能,然后将改进之后的粒子群算法应用于阵列天线综合和WLAN天线的结构优化当中。论文的主要研究成果包括:1.对标准粒子群算法的产生由来、数学原理、研究现状、实际应用等方面进行阐述,指出算法的不足,为后续改良提供思路。2.针对粒子群算法目前存在的不足,为进一步提高算法的收敛速度和寻优能力,本文做出如下几个方面的改进:首先,采用多种群初始化策略,保证初始粒子在解空间的均匀分布;随后,引入精英指导策略来对粒子步进方向提供指导,提高收敛速度;然后,运用超球面扰动策略对陷入局部最优的精英粒子做扰动,保证群体的全局寻优能力;最后,用调整基本参数取值策略来平衡整个迭代收敛过程。3.利用标准测试函数,将本文的改进粒子群算法同标准粒子群及其它文献改进后的粒子群算法进行对比,来验证本文改进策略的有效性,并将标准测试函数做平移旋转,考察本文改进算法在空间未知复杂函数上的寻优能力。4.将本文改进粒子群算法应用于阵列天线方向综合图中,降低其副瓣电平及在指定方向实现深零陷抗干扰。5.将本文的改进算法应用于WLAN天线的结构参数优化当中,提高天线性能。针对HFSS仿真速度慢,导致算法优化时间过长的问题,以神经网络为基础建立天线的代理模型,代替费时的HFSS仿真以节约时间。