电磁逆散射的主要任务是通过测量到的散射场数据对目标进行重建。针对线性逆散射法限制较多的问题,本文首先将逆散射问题转化为优化问题,进而使用优化算法来处理。传统智能优化算法在求解该问题上存在不同程度的早熟收敛、全局搜索效率低等缺陷,因此,探索一种新的优化算法迫在眉睫。和声搜索算法是一种新兴的智能优化算法,该算法已被成功地应用于诸多领域并表现出优越的性能。本文在深入分析智能优化算法及电磁场逆散射理论的基础上,对基于多模优化技术的和声搜索算法及其对电磁逆散射问题的优化进行了研究,主要工作和创新包括以下几个方面:1、针对排挤策略中的替换错误问题,引入排挤距离将替换错误限制在一定的范围内,提出基于限定排挤策略的和声搜索算法;针对限定排挤策略中生境维持能力较差的缺陷,引入动态排挤因子,提出了基于动态排挤策略的和声搜索算法。实验表明排挤策略能够有效地增加记忆矩阵中个体的多样性,避免算法陷于单个最优解。2、针对电磁场逆散射问题中目标函数的峰半径无法根据先验知识获取的缺陷,研究了峰半径根据问题特点自动调整的方法,提出自适应调整峰半径的共享策略;针对共享策略中个体共享适应度的计算比较耗时的缺陷,提出基于清除共享策略的和声搜索算法。实验结果表明,两种共享策略均具有良好的优化效果,清除共享策略有效地降低了算法的时间复杂度。3、为了解决传统多种群策略中种群划分的机械性,研究了根据目标函数曲面的拓扑结构对种群进行划分的方法,使得划分后的每个子种群只覆盖多峰函数的单个峰群,提出了基于拓扑多种群策略的和声搜索算法。实验结果表明,拓扑多种群策略对大部分测试函数的优化效果都很理想。4、针对多模优化需要对和声记忆矩阵中个体的多样性进行保护,考虑将多目标优化技术引入到单目标多模优化的问题中来,在原目标函数的基础上增加一个目标函数,将作为多样性保护措施的个体之间拥挤距离的测量作为第二目标,把原来的单目标优化问题转换为双目标优化问题,并在NSGA-II的基础上,提出非支配排序和声搜索算法。实验结果表明,双目标和声搜索算法对于大部分测试函数的优化效果完美,而且能够在较少的迭代次数内达到收敛。最后,分别将以上基于多模优化策略的和声搜索算法应用于电磁场逆散射问题,充分的实验数据证实了算法的正确性、有效性和优越性。