科学在不断地发展，技术在不断地革新，各领域的研究也跟着这样发展与革新的节奏不断深入，为了适应多样性生活的需要，各种涉及优化的问题也相应的复杂多变，解决的方法也需改进。智能算法，如文化算法、遗传算法、免疫算法、模糊算法、混沌算法等，虽说应用较广，但算法本身存缺点，对于高要求、高标准工程应用的需求，各算法的缺点也越显突出。因此出现了许多与他们相关的改进算法，如混沌文化算法、自适应的遗传算法、免疫遗传算法、粒子群遗传算法、模糊粒子群算法等混合算法。两种或多种算法的巧妙结合可以有效弥补算法的不足，在很大程度上满足了实际应用的需求。在防空作战系统中，有效合理的目标分配对于目前越来越复杂的战场环境的要求特别重要，目标分配是防空系统的重要环节，优化算法在目标最优分配问题上的研究已引起很多专家的关注。有效地引导导弹，攻击目标，防御我方阵地，阵列天线的作用至关重要，而智能优化算法在天线优化，实现天线特定功能中的作用不可忽视，因此本文将目前的文化算法进行了层层改进，使用新算法来解决导弹最优目标分配和阵列天线优化方面的问题，并对算法做了一些后续改进。本文主要针对导弹目标分配和雷达阵列天线优化设计中存在的问题，重点从优化算法的研究角度出发，分析了优化算法在解决这些问题中存在的不足，对文化算法进行了多次改进，最终，新算法在实际优化问题中表现出了很好的效果。针对目标优化分配问题，本文以遗传算法作为文化算法的种群空间，组成文化遗传算法，将截尾选择和逆转操作也插入到种群空间中，形成新的混合优化算法，实验证明了新的优化算法在收敛率、进化代数，收敛速度上有很大的优势，同时也说明新算法能更有效地解决目标分配问题。在阵列天线优化问题中，文中将更好的接受函数、影响函数、更新函数引入改进的文化算法中，并结合多种群机制形成新的算法。仿真证明该新算法在全局搜索和局部搜索方面优于改进前的算法，最终得到最优的相位分布，有效抑制旁瓣水平，提高了阵列天线的抗干扰能力，为阵列天线应用发展做出了有用的贡献。本文最后又从多种群方面出发，种群内部使用自适应的交叉变异机制；种群之间使用竞争机制。两种机制有效结合，提高了进化中的种群多样性，平衡了算法的局部寻优和全局寻优能力，提高了算法的收敛速度和收敛率。