近年来，由于智能优化算法相对于传统优化算法具有很多优点，如优化效果好、具有全局性、可用性强、并且不需要了解问题的具体参数等，从而在计算机技术，工程设计、运输优化等领域得到广大科研工作者的关注与应用，取得了很大的社会反响。智能优化算法这种基于微粒集体协作的寻优算法，如粒子群，入侵杂草等越来越多的受到人们的关注。然而，智能优化算法本身还存在着很多问题，并且实际问题越来越复杂，需要更高性能的算法。因此，设计一个速度快，鲁棒性好，精确度高，性能稳定的智能优化算法仍是迫在眉睫的研究课题。本文基于入侵杂草算法的演化机制，对粒子群算法和标准入侵杂草算法做了适当的改进，然后把得到的新算法运用在天线的设计，取得了较好的效果，并为解决此类问题提供了一个好的办法。论文的主要研究成果如下：　　(1)由于入侵杂草算法具有较好的局部搜索能力，而粒子群算法具有较好的全局搜索能力，本文将这两种算法融合，入侵杂草算法以及粒子群算法理论。算法将入侵杂草算法和粒子群优化算法互相结合并融入文化框架，能够各自发挥算法粒子群和入侵杂草算法在全局搜索和局部搜索中的优势。算法在文化框架下，上层知识空间按照入侵杂草算法演化，下层按照粒子群算法演化，两层通过设置好的通信协议进行群体信息的交流，提高了种群的多样性和算法的收敛速度，以及算法跳出局部最优的能力也得到了很大的加强。　　(2)针对标准入侵杂草算法收敛速度较慢，对解决复杂高维问题仍难跳出局部最优，本文提出基于佳点集原理的多维竞争文化入侵杂草算法。首先，该算法采用佳点集原理，并适当改进使种群的初始化更均匀，从而提高初始解的质量；其次，对于入侵杂草算法仅仅只是根据适应度值大小进行淘汰的不足，本文采用多维竞争的机制，使算法更容易跳出局部最优；然后，将改进的入侵杂草算法嵌入到文化框架中，通过不断更新的信念空间知识对种群进行全局指导，提高算法收敛速度。通过5个经典测试函数的测试表明，本文算法不仅收敛速度快，而且跳出局部最优的能力也得到很大的提升。　　(3)对于阵列天线的方向图综合，提出一种新的解决方案，将改进的入侵杂草算法应用到阵列天线的方向图综合的波瓣控制和方向图形状控制两个方面，并取得了较好的效果。