随着各种无线电系统性能指标的不断提高,天线研究工作也随之变得尤为重要。针对不同的应用场景和需求,实际工程也需要相应的天线能够产生不同形状的方向图。通过合理设置阵列天线的相关参数,我们就能得到满足实际生活与应用场景下的目标方向图。这些阵列参数具体包括各个基本单元的激励电流幅度和相位、基本单元的排列形状及其数量。当阵列天线的基本单元数量较多、期望的远场方向图较为复杂时,阵列天线的设计就成了比较复杂的优化问题。在早期,利用解析方法或者传统的工程优化方法都被用来解决这类问题,但是这些解决方法不仅存在计算时间过长、精度不够等问题,还无法求解高维度复杂需求方向图的综合问题。随着各类智能优化算法的相继出现以及快速发展,阵列天线研究人员发现智能优化算法非常适合用来解决这类复杂优化问题,并且逐渐开始尝试利用各类智能优化算法来解决阵列天线优化问题。众所周知的遗传算法和粒子群算法也相继被用来解决阵列天线优化问题,并且取得了不错的优化效果。作为一种新兴的智能优化算法,有关鲸鱼优化算法的研究工作还不太广泛,本文将研究鲸鱼优化算法的特性并将其用来解决阵列天线优化问题,例如,阵列天线的幅度加权设计、稀疏布阵设计以及波束赋形波束优化等应用领域。鲸鱼优化算法是通过研究自然界中座头鲸捕食的方法所提出的一种新颖的智能优化算法,该算法分别模拟了座头鲸包围猎物、螺旋气泡攻击、搜索猎物三个步骤。鲸鱼优化算法的三个步骤分别实现如下功能:第一,“包围猎物”可以让鲸鱼游向最近位置,这可以提升搜索能力;第二,“螺旋气泡攻击”可以提高收敛速度并以螺旋方式进行局部搜索,这可以提高鲸鱼的搜索效率;第三,“搜索猎物”是对不同种类群体的搜索,可以丰富鲸鱼种群的多样性。鲸鱼优化算法是一种十分有效的优化算法,该算法的搜索域覆盖了整个训练空间。鲸鱼优化算法不仅运算过程简单、运算速度快,还可以得到全局最优解。因此近几年鲸鱼优化算法的发展速度很快。但是该算法在天线设计领域的应用还比较少,所以利用鲸鱼优化算法解决阵列天线设计中的优化问题就显得很有价值。首先,本文介绍了天线的基础知识和阵列天线远场方向图的计算过程,具体介绍了直线阵列天线、同心圆环阵列天线的阵因子方向图,还介绍了传统的切比雪夫综合法,为后文奠定理论基础。其次,本文详细介绍了鲸鱼优化算法的基本原理、实现过程、操作步骤、伪代码以及算法的复杂度。为了丰富种群的多样性,引入logistic混沌映射来初始化种群;引入惯性权重,来平衡全局搜索与局部搜索之间的关系;研究了用于二进制优化问题的二进制鲸鱼优化算法;选取3种不同的检验函数来验证鲸鱼优化算法的有效性和收敛速度,并将其与粒子群算法进行对比。最后,本文将尝试利用鲸鱼优化算法来解决阵列天线优化问题。利用鲸鱼优化算法对均匀直线阵列的激励幅度进行优化以获得切比雪夫型方向图,并且将优化结果与切比雪夫综合法进行对比,验证了鲸鱼优化算法在阵列天线优化问题中的有效性;利用二进制鲸鱼优化算法来解决低副瓣直线阵与同心圆环阵的稀疏布阵优化问题;利用鲸鱼优化算法分别解决了平顶波束优化问题、余割平方波束优化问题与地球匹配波束优化问题。