5G通信中的核心天线阵列逐步成为人们研究的对象,鉴于能量的有限性,本文研究现有条件下提升阵列天线信号能量的覆盖。由于传统的二维阵列天线存在着估测俯仰角大小准确性较低的缺点,因此本文提出了基于改进飞蛾扑火算法的三维阵列天线旁瓣电平的抑制研究如下:(1)提出了阵列天线模型,在二维阵列方向图函数基础上,通过直角坐标系的转换推导出三维阵列天线阵列因子表达式,在全向性的点源的辐射源中,根据阵列因子与最大阵列因子的表达式比值构建了三维阵列天线旁瓣电平数学模型,并以最大旁瓣电平分贝作为目标函数。提出和声搜索和布谷鸟两种对比算法,并结合阵元规模(16和32)和阵元优化参数(优化激励电流以及同时优化激励电流和阵元几何位置)的三维阵列天线旁瓣抑制作为应用对比。(2)鉴于原生飞蛾扑火算法容易陷入局部最优而无法跳出以及早熟收敛的问题,本文提出了一种改进后的飞蛾扑火算法ALO_MFO,该算法引用了MFO螺旋飞行公式,并结合蚁狮算法(ALO)里的蚂蚁的自适应随机游走和精英策略,首先引入蚂蚁的自适应随机游走,将所有蚂蚁(解)的范围随着蚂蚁绕蚁狮陷阱游走次数的增加而缩小,再通过种群内淘汰机制使得解的范围趋于稳定,从而增加算法的稳定性。精英策略则是通过精英蚁狮影响全局的解,从而让种群个体随着全局最优解即精英个体和历史最优解方向移动。本文选择了三种算法作为对比,并通过实验证明该算法具有良好的优化性能。(3)提出另外一种ACO_MFO算法,该算法在飞蛾扑火的基础上,首先引入了蒙特卡洛法进行值的初始化,为了避免陷入局部最优,通过结合蚁群算法的信息素寻找最优路径对劣解进行优化,对优解则不作调整,对中间解进行蚂蚁的较小移动,其移动范围将随着迭代次数的增加而逐渐减小,从而调整陷入局部最优的个体的全局寻优引导能力,使得算法的收敛精度得到提高,最后将改进算法应用到三维阵列天线方向图旁瓣的抑制中,得到了具有更强主瓣方向性以及更低的最大旁瓣电平的天线方向图,最终能够根据特定条件得出最优方案。(4)利用优化模型里阵元几何位置和激励电流,在阵元规模为16和32两种场景下进行三维阵列天线旁瓣抑制的仿真实验,得到了具有更强主瓣方向性和更低旁瓣水平的方向图,然后与和声搜索优化算法(HS)、布谷鸟算法(CS)和飞蛾扑火算法(MFO)进行仿真实验对比,从而证明了本文改进的两种算法在信号波束辐射优化上展现了更好的性能。