微波电路的优化设计一直是电磁工程中研究的一个重要分支和热点，针对微波领域中优化问题的目标函数的高度非线性、不可导、多极值等特点，利用仿生优化算法的全局搜索特性，可以避免确定性优化方法收敛速度慢、精度低、易于收敛到局部极小值的缺点。另一方面，由于微波电路中存在大量的不连续性，电磁场精确数值全波分析往往耗费太多的计算资源。建立人工神经网络模型来逼近电路的输入输出响应再进行优化设计，可节省大量的计算资源，提高设计效率。本文研究的仿生优化算法包括遗传算法、蚁群算法、免疫算法和人工神经网络，引入一些新的构思，构造出可以解决具有全局搜索、适于求解复杂问题、并能提高优化速度的仿生优化算法。通过算法优化步骤的设计和数学算例的验证，说明这些算法的合理性和高效性。将这些改进的优化算法分别用于宽带网络匹配、微波测量、微带电路设计中，并和先进的微波电路CADF结合，使仿生优化算法在电磁工程中得到广泛的应用。本文充分利用各算法的特点，做到各算法之间的融会贯通和优势互补，通过编程仿真，提出高效、合理的新型算法，力图为电磁工程领域开辟一种新的设计手段和方法。 遗传算法是一种模仿生物进化过程的随机搜索，这种生物模仿过程可以发现全局最优解。本文针对现有遗传算法的过早收敛和难以优化多峰值函数的问题，基于植物学的嫁接思想提出了嫁接遗传算法。通过嫁接种群向进化种群添加个体的多样信息，避免了基本遗传算法的过早收敛。同时嫁接种群指导进化方向，加快了收敛速度。 针对目前需要解决问题的目标函数普遍具有多峰值的特性，本文基于植物学的多头嫁接思想，提出了自适应多峰值嫁接遗传算法。通过算法结构设计，算法复杂度分析和测试函数的试验，结果显示该改进算法在计算多峰值函数方面的能力较强。 本文将这些改进的遗传算法引入到宽带匹配网络中，通过和一些经典的网络优化方法比较，可以看出前者不仅能保证计算的精度，而且能优化出多种组合的网络元件值，为工程设计人员提供了多种可靠的备选方案。 蚁群算法是模拟自然界中真实蚁群的觅食行为而形成的一种优化算法。本文针对基本蚁群算法在收敛速度和求解精度方面的不足，设计出了回归蚁群算法。该算法通过外加牵引力使得蚂蚁按照城市的整体分布规律寻优，增加了算法的全局收敛性。另外，通过圈地算法，减少了局部搜索的计算量。传统的蚁群算法大都应用于离散组合优化问题，本文对蚁群算法的结构进行调整，将其用于一维、二维和多维的连续空间函数的优化。 本文首次将蚁群算法引入到电磁工程中来，如微波测量。利用三个介质板样本，通过终端短路法测量其输入端的反射系数，再用蚁群算法进行数据拟合，优化出所需要的参量，如相对介电常数、介质损耗、介质板厚度等此类问题。 免疫算法模拟的是生物免疫系统，实现了类似于免疫系统的自我调节和生成相异抗体的功能。本文介绍了基于信息熵的免疫算法，并分析其优势与不足，提出了多峰值免疫算法。结合一些数学算例，分析了多峰值免疫算法的局部和全局搜索性能。 本文首次将免疫算法引入到电磁工程中，如微带线结构的优化设计。用基本免疫算法优化阶梯阻抗变换器枝节的长度和宽度，达到良好阻抗变换作用；用多峰值免疫算法优化平行耦合带通滤波器耦合枝节的长度、宽度和间距，达到所期望的带内带外特性。说明了这种算法的引用和改进是合理的，也是有效的。 神经网络具有学习功能，可模拟复杂的非线性函数关系。许多类型的神经网络是通用逼近器，能以适合的精度逼近任意输入输出映射，已成为电磁工程领域中有力的工具。本文用仿生优化算法来优化反向传播网络的权值和阈值，形成了遗传神经网络、蚁群神经网络和免疫神经网络这些新型的混合改进算法。 结合先进的微波电路CAD，本文将这些改进型人工神经网络用于E面波导耦合滤波器的输入输出响应模型的建立和结构的优化设计中，以及RF-MEMS螺旋电感的建模。相对于精确电磁场数值计算，这些改进型人工神经网络在保证有较高仿真精度的前提下，大大提高了仿真效率。 最后，对全文的工作进行了总结，并探讨了一些研究方向和课题。