电磁场逆问题的研究历史已逾百年。电磁场逆问题一般指电磁装置的优化设计问题,而这类问题普遍存在于现实世界和工程领域。目前求解电磁场逆问题的通用方法是把它分解为一系列正问题,然后借助于优化算法迭代求解;因而,优化算法和正问题的数值分析方法为电磁场逆问题研究的两个主要内容。在求解逆问题时,由于在每一迭代步中都需进行至少一次高精度的数值计算(通常为有限元分析),因而,相比于正问题求解,逆问题的分析与计算需要巨大的计算资源。为了解决上述问题,进入本世纪后,人们一直在不断努力以构建电磁场逆问题的通用求解方法。实际上,借助于数值方法,人们成功解决了许多实际电磁场问题的分析和计算。电子计算机技术和工业技术的不断进步和发展也极大促进了各种新的数值方法在电磁场逆问题中的研究和应用。已如前述,电磁场逆问题的分析和计算一般将其转换成一系列正问题,然后采取优化算法进行迭代求解。因此,优化算法是电磁场逆问题研究的重要内容。在优化算法研究方面,过去的20年里,基于种群的优化算法已经成为了优化技术中不可以缺少的方法和工具。本文全面、系统地分析和研究了一类全局随机类优化算法:粒子群优化算法的发展历程,本文工作的主要思想为:提出了一种自适应的变异算子,一种采用锦标赛策略的最优粒子选择方法和一种运用变异机制的最优粒子选择策略;还提出了针对传统PSO算法的参数设置新策略。为避免早熟现象,本文提出了 PSO改进算法一。改进算法一通过设置一个特定的选择比例,自适应变异个体最优粒子和全局最优粒子。为保证搜索过程中粒子的多样性及探索更广阔的搜索空间,本文提出了改进PSO算法二。改进算法二提出了一种新的全局最优解。此外,改进算法二还提出了基本参数的动态变化策略,实现了全局搜索和局部搜索的平衡。为改善搜索过程并控制优化过程后期种群的多样性,本文提出了改进PSO算法三。改进算法三提出应用变异机制从当前种群中选择新的最优粒子;此外,改进算法三还提出了PSO基本参数的动态变化策略以保证全局搜索和局部搜索的平衡。上述的新策略不仅提高了传统PSO的寻优性能还避免了 PSO搜索过程易发生的早熟现象。为验证上述三种PSO改进算法,本文选择不同标准数学测试函数和典型电磁场设计问题:TEAM22(workshop problem 22)进行了实例计算,并与其他现有的方法进行了对比分析。数值计算结果和统计分析表明,本文提出的改进算法与其他PSO随机算法相比有着更好的性能和优势。