随着无线通讯技术进入5G时代,数据传输的速率得到大幅提升,一系列依托5G技术的应用场景不断涌现。然而,5G技术带来便利的同时,也伴随着新电磁兼容问题。由于5G设备具有分布密集、体积紧凑和天线数量多的特点,传统的电磁屏蔽方式难以满足5G设备的要求。电磁超材料可以拥有传统材料不具备的特殊属性,具有解决新型电磁兼容问题的巨大潜力。其中具有频率选择特性的电磁超材料频率选择表面（frequency selective surface,FSS）由于其体积小、易加工和可设计性强的优势,获得了广泛的关注。电磁超材料的性能主要由其结构决定,当前FSS的结构设计和优化存在依赖经验、设计周期长和优化效率低等问题。本文为提高5GFSS设计与优化的效率,从研究FSS优化模型出发,结合智能优化算法,提出了新型FSS自动设计与优化方法。论文具体工作如下:（1）针对传统FSS设计中,尺寸优化可变范围小和拓扑优化结构复杂不连续的问题,提出了以节点为基础的FSS形状优化方法。提出了基于节点的优化模型,使得FSS单元形状能够随节点坐标变化而改变,达到增大优化范围且保持连续稳定的效果。新方法使用实数编码方式描述FSS单元结构,FSS单元形状通过编码可直接转化为智能优化算法搜索个体。通过改变节点间的连接方式,优化模型能适用于实心、密闭环形或开口环形等不同类型的FSS单元。FSS单元的仿真求解由VBS脚本自动完成,计算结果直接反馈到优化算法。（2）将实数编码的遗传算法（Genetic Algorithm,GA）与FSS节点形状优化模型结合,用于设计5G毫米波频段28GHz附近具有电磁屏蔽效果的FSS。详细说明了GA目标函数的设置方法和利用电磁仿真软件HFSS（High Frequency Structure Simulator）获得FSS传输系数的流程。通过实心、环形和缝隙三种不同类型FSS单元检验了新方法的有效性,并测试了最终优化结果的极化稳定性和角度稳定性。（3）提出了能根据实际优化情况自适应调整参数的自适应灰狼算法（Selfadaptive Grey Wolf Optimizer,SAGWO）,新算法在GWO（Grey Wolf Optimizer,GWO）基础上增加了三种改进策略达到增加算法全局搜索能力的效果,三种策略分别为优化初速种群分布、增加随机探索和增强局部搜索。使用了15个基准函数比较SAGWO与经典算法GA、粒子群算法（Particle Swarm Optimizer,PSO）和GWO的表现,整体测试效果显示SAGWO性能均衡、收敛速度快且全局搜索能力强。利用两种FSS测试SAGWO与FSS形状优化结合的效果,结果显示SAGWO方法能获得与GA相近优化效果,且耗时更短。（4）以印刷电路板工艺加工了GA与SAGWO优化结果的样品,通过对比仿真数据与测试数据,检验了两种方法的可靠性。综上,本文基于启发性智能优化算法提出了一套完整的5G频率选择表面形状优化方法,突破了传统FSS优化模型的限制,为频率选择超材料的设计及其5G电磁兼容领域的应用提供了重要的理论与技术支持。