天線加載的優(yōu)化設計是一個非線性的問題，所涉及的變量包括加載位置、加載元件、加載的組合形式等，是一個多變量的問題。要建立一個合適的最優(yōu)化函數(shù)，當達到天線所需特性時，此函數(shù)有一個極小值。由于天線特性與天線參數(shù)有關，所以最優(yōu)化函數(shù)也是這些參數(shù)的函數(shù)。同時尋求合適的最優(yōu)化方法，使最優(yōu)化函數(shù)達到極小。借助計算機模擬和最優(yōu)化技術尋求加載的最優(yōu)解。

　　由于最優(yōu)化函數(shù)很難用一個簡單的解析函數(shù)來表示，而傳統(tǒng)的最優(yōu)化算法或者需要目標函數(shù)的導數(shù)，或者只是局部的最優(yōu)化，或者雖為全局最優(yōu)化但計算量過大，使得常用的梯度法、單純形法等最優(yōu)化算法在天線加載優(yōu)化設計中難以實現(xiàn)。一種新的全域優(yōu)化搜索方法遺傳算法的出現(xiàn)解決了上述一些問題。他是模擬自然界生物進化過程與機制求解極值問題的一類自組織、自適應的人工智能技術。他只需要利用目標函數(shù)的取值信息，而不需要梯度等高價信息，適合于無表達式或有表達式的任何類目標函數(shù)，具有可實現(xiàn)的并行計算行為。

　　5 結 語

　　隨著天線小型化、寬帶化的進一步發(fā)展，加載技術得到更多的應用。然而單純的加載已經不能滿足天線集成化的發(fā)展需求，更多的是將加載技術和分形技術、折合單極子、寬帶匹配網絡、遺傳算法組合應用，這樣可以有效快速地設計較為理想的天線。將天線小型化技術有效地結合起來是未來天線設計的趨勢，有待進一步的研究，他將擁有廣泛的應用前景。