随着社会的发展与科技的进步,人们在生活中遇到的许多科学、经济和工程问题呈现多极化、非线性、强约束、高维度、难以建模等特点,传统的优化算法已经很难求得问题的最优解,因此,寻求一种有效并且高效的优化方法用于解决更加复杂的优化问题至关重要,目前也成为了众多学者的研究热点。群智能优化算法作为元启发式算法的一个重要分支,因为其较强的自适应性以及在解决复杂优化问题上所表现出来的优势,受到了众多学者的青睐。教与学优化算法作为一种2011年提出的新兴群智能优化算法,虽然有算法结构简单,易于理解,算法参数少,鲁棒性好,有极强的收敛能力等优点,但是也存在着算法后期收敛速度慢,容易陷入局部最优的陷阱,对于高维复杂问题优化结果欠佳等缺点,因此,本文对基本教与学优化算法做出了改进,并将改进的教与学优化算法应用于阵列天线方向图综合与微带缝隙天线的优化设计领域上。论文的主要研究成果如下:(1)从算法的基本原理和基本结构深入研究了基本教与学优化算法,并通过与粒子群算法和入侵杂草优化算法两种常见的群智能优化算法仿真实验对比,总结出教与学优化算法的优点与不足,为后续的算法改进提供了思路。(2)为了提高算法的开发与搜索能力以及在高维复杂问题上的寻优能力,本文对算法做出了改进,提出了小班级并行教学的教与学优化算法。该算法改变了算法初始化的方法,并将学生分成两个班级,一个班级中在教学阶段之前加入学生预习阶段,以提高算法的开发能力。另一个班级引入Metropolis准则,并在教学阶段之前加入自学阶段,提高算法的搜索能力。选择两个班级中成绩较好的学生组成一个临时班级,并选出其中优秀学生按一定的比例替换两个小班级中成绩较差学生继续寻优。每迭代一次,临时班级中的学生根据成绩好坏更新一次,直到满足跳出循环条件。通过在测试函数上进行仿真实验,验证了算法改进策略的有效性。(3)将改进后的教与学优化算法应用到阵列天线方向图综合的问题上,经过实验分析可知,相对于传统的解析方法与标准的教与学优化算法,改进后的教与学优化算法能得到更好的结果。(4)将改进后的教与学优化算法应用到微带缝隙天线的优化设计领域中,实现了天线优化设计的自动化,极大提高了天线的设计效率。