在微波技术和工程中,微波系统和器件的性能优化和计算机辅助设计(CAD)历来是备受关注的理论和技术问题.长期以来,对传统的基于非线性数学规划的决定性优化方法(Deterministic Optimization Method或DOM)的研究工作,已经得到重要发展和广泛的实际应用.但是,由于大部分优化问题的目标函数往往都具有高度复杂性、高度非线性以及多重极点等特点,因此,传统的基于DOM的优化方法在实际应用时都存在一定的局限性,例如优化过程经常陷入局部最小点、优化结果过分地紧密依赖于初始值的选取等等.遗传算法是一类借鉴"生物界自然选择和优胜劣汰机制"的随机化搜索算法,其主要特点是群体搜索策略和群体中个体之间的信息交换,而且,搜索过程不依赖于目标函数的梯度信息.遗传算法是21世纪有关智能计算中的关键技术之一,尤其适合于处理传统搜索算法难于解决的复杂和非线性问题.遗传算法的实现涉及到五个方面:参数的编码、初始群体的设定、适应度函数的设计、遗传操作的设计和算法控制参数的设定.本文将结合微波系统和器件性能优化和计算机辅助设计的实践,详细地分析讨论算法原理和算法实现.不言而喻,为了把遗传算法应用于复杂微波器件的优化设计,首先必须能够快速准确地分析器件性能以获得网络参数(如S参数).需要强调指出的是:虽然目前已经有若干覆盖范围非常广泛的商品化微波工程软件,诸如HPHFSS软件等,可以被用于微波系统和器件的性能分析,但是,对于许多规模较大的实际工程技术问题,往往会因为计算时间(如数十、数百小时甚至更长的计算时间)过于冗长,因而无法实现真正意义上的CAD.因此,为了实现复杂微波器件的性能优化和CAD,亟待研究发展一类复杂微波器件快速准确分析的算法,以作为配合遗传算法优化策略的前端工具.本文提出并发展的"网络分解-重组算法"正是这样一种快速准确分析算法.在雷达技术中,有许多结构复杂的微波器件,可以按照其物理和几何拓扑的特征,人为分解为结构相对简单、易于快速准确分析的一群元器件的组合.大量的计算实践表明:采用"多模网络分解-重组算法"进行此类器件的定量分析,可以获得极高的计算效率和计算精度.本论文将以矩形波导分支电桥耦合器和H面T型接头双工器的优化设计为例,比较系统地分析讨论将"多模网络分解-重组算法"和遗传算法应用于微波电路器件CAD的理论、算法和计算技术问题,并给出主要的器件性能特性曲线,以全面报告我们研究工作的心得体会和研究成果.