随着计算机的发展,粒子模拟（Partical-in-cell,PIC）方法已经被广泛运用于高功率微波器件的设计和研究中。目前高功率微波器件的设计主要靠人工调参,十分依赖于设计者的经验,导致设计效率低下。优化算法具有自动寻优的功能,与粒子模拟方法结合用于高功率微波器件的优化设计就能一定程度上代替人工对器件进行自动优化,可以提高设计的效率且减少对经验的依赖。高功率微波器件设计时通常需要考虑多个指标,是多目标优化问题,同时由于粒子模拟方法的运行时间相对较长,所以提升算法的寻优效率以及实现多个目标的优化应是基于粒子模拟的优化算法的研究重点。针对以上问题,本文的主要工作包括以下内容:1、深入研究粒子模拟方法与单目标优化算法结合,设计了基于粒子模拟的粒子群算法与遗传算法的流程,并运用这两个算法对磁绝缘线振荡器（MILO）的平均输出功率进行了优化,结果表明,在参数范围较小时粒子群算法的收敛速度很快,但在参数范围比较大时,粒子群算法会陷入局部最优,而遗传算法能够搜寻到全局最优。最后结合这两个算法的优点,提出了基于粒子模拟的遗传-粒子群混合算法,对MILO的优化结果说明,此算法的收敛速度较快,全局搜索能力较强。2、研究了粒子模拟方法与多目标优化算法的结合。首先根据高功率微波器件的特性设计了一个能同时对器件的工作频率和频谱纯净度进行优化的目标函数F,用于多目标优化时能够降低目标空间的维度,提升算法的效率。然后将粒子模拟方法分别与多目标粒子群（MOPSO）和快速非支配排序遗传算法（NSGA-II）相结合对相对论返波管（RBWO）进行了优化设计,优化的目标为平均输出功率以及设计的目标函数F,结果表明,上述两种算法均可以同时对器件的多个指标进行优化,且NSGA-Ⅱ算法的寻优能力要优于多目标粒子群。3、研究了粒子模拟方法与基于偏好的多目标优化算法的结合。首先分析了NSGA-Ⅱ算法在Ku波段对返波管进行优化时效果一般的原因,证实了高功率微波器件的优化设计实际是个偏好多目标优化问题。研究了引入设计者偏好信息的g-占优方法,并将粒子模拟方法和g-NSGA-Ⅱ算法结合对返波管进行了优化设计,结果表明,g-NSGA-Ⅱ算法运用于高功率微波器件的优化设计时寻优的效率和寻优的结果都要优于NSGA-Ⅱ算法。