群智能算法作为新兴的演化计算方法,已经成为最优化问题领域的热点。布谷鸟搜索算法是一种热门的仿生优化算法,具有易于实现,收敛速度快,并发性强等优点,受到较大重视。本文在众多学者的研究上对布谷鸟搜索算法提出改进,并选择具有实际意义的阵列天线方向图综合问题来验证改进算法的有效性。阵列天线方向图是阵列天线性能研究中的一个重要部分,具有强辐射方向性的阵列天线会提供更好的通讯质量。本文主要研究有:(1)提出了一种基于反向学习和杂草优化算子的布谷鸟算法。该算法以种群初始化为入手点,利用反向学习机制生成反向种群,并在原始种群和反向种群的混合集合中选取较优的精英个体组成高质量的初始种群;随后算法引入了杂草优化算子,首先利用杂草的生长繁殖机制来产生子代鸟巢,利用扩散机制将子代鸟巢以正态分布扩散在父代鸟巢周边,加大搜索范围以提高种群多样性,最后通过种群内的竞争来淘汰不具有优势的个体,提高算法的收敛能力。选取5个群智能算法以及标准布谷鸟算法作为对比算法,通过求解CEC2014测试集函数这一对比实验和显著性检验验证了该算法具有优良的寻优性能。(2)提出了一种基于天牛须算子的容差布谷鸟搜索算法,该算法将天牛须算子引入标准布谷鸟搜索算法,利用天牛须引导布谷鸟鸟巢更新,该算子增强了布谷鸟鸟巢个体的寻优能力;同时为避免鸟巢陷入局部最优,将一种自适应的策略引入布谷鸟搜索算法中,首先定义容差计数器,当计数器值达到一定数值时,根据计算得到的容差调整概率来比较自学习生成的候选鸟巢和陷入局部最优的鸟巢的全局寻优引导能力,在此基础上,自适应调整搜索方向,这种自适应的学习策略可以有效的提高全局寻优能力。本文将PSO、BBO、CSO、FA、GA和CS算法与改进的算法进行仿真实验,通过求解30个函数的实验结果可以得出改进算法的综合性能优于对比算法这一结论。(3)选择阵列天线方向图优化问题进行研究。以直线型阵列天线和圆环形阵列天线为代表模型,在阵元数目一定的情况下,通过提出的两种改进算法优化模型中阵元的间距以及电流激励幅度,来得到具有最小化最大旁瓣电平的阵列天线方向图。实验表明,与选取的对比算法相比,本文所提出的改进算法有效的抑制了最大旁瓣电平,在实际工程领域中同样具有有效性。