电磁场逆问题研究已有数十年历史。一般而言，电磁场逆问题意指实际工程中广泛存在的电磁装置的优化设计问题。　　目前电磁场逆问题的计算一般将其分解成一系列正问题，然后借助随机优化算法迭代求解。因此，数值计算方法和随机算法是电磁逆问题研究的主要内容。由于每次迭代计算都需要进行有限元分析，与正问题相比，逆问题中目标函数的计算需要非常巨大的计算资源。为此，人们对现有随机优化算法进行了改进研究，进而解决了许多实际的电磁场逆问题。　　此外，电磁装置优化设计需要搜索给定约束下确定目标函数的全局最优解。由于目标函数通常是多峰函数，同时由于传统的确定类和随机类优化算法很难搜索到这类问题的全局最优解，所以人们一直在努力研究新的随机优化算法。由于可以搜索到传统优化算法不能获得的全局最优解，进化算法(EA)已经成不同工程学科的全局优化问题的标准算法。然而，根据“天上不会掉馅饼的定律”，任一通用优化算法都不能够解决所有的优化问题。因此，在逆问题的研究中需要探索新的全局寻优算法，保持进化算法的多样性以解决电磁场逆问题。　　在这些新的随机优化算法中，粒子群优化(PSO)算法是一种较新的结构简单全局优化算法，该算法参数较少并易于实现。虽然人们提出了不同版本的PSO和量子粒子群优化(QPSO)以提高算法的性能，但作为不确定的进化算法家族中的新成员，QPSO算法仍然存在许多亟需解决的问题。有鉴于此，本文开展了一种新的全局随机优化算法一量子粒子群优化算法(QPSO)的研究，以探讨QPSO算法解决电磁逆问题的潜能。主要工作可概括如下:　　我们引入了三种新的变异技术，使用选择淘汰策略选择最佳粒子，提出了一种改进因子，提出了最佳粒子选择的新方法和一些实时更新算法参数的新策略。　　第一个改进的QPSO算法将变异算子与β概率分布法相结合以产生新粒子，从而避免了QPSO的早熟现象。此外，引入了一个新的动态控制参数，以保持局部和全局搜索的平衡。　　第二个改进的QPSO算法将新的突变机制应用于最佳位置的粒子上，同时也引入了一个改进的因子。此外，还提出了算法参数的调整策略以平衡全局寻优能力和收敛速度之间de矛盾。这些改进的主要目标是增强种群的多样性，最低限度地避免粒子陷入局部最优解。因此，也将提高QPSO算法的性能和全局寻优能力。　　第三个改进的QPSO算法引入了一个淘汰选择策略以提高QPSO算法的性能，避免算法陷于局部最优解。同时还提出了实时更新算法参数的策略以平衡全局寻优能力和收敛速度之间的矛盾。　　第四个改进QPSO算法提出了一种新的方法来选择群体中适合的粒子。此外，在具有全局最佳位置的粒子上应用变异算子以改善粒子的多样性。另外，提出了动态参数更新规则以保持局部和全局搜索之间的良好平衡。　　借助于标准的典型测试函数和电磁设计问题(TEAM问题22)对上述提出的改进QPSO算法（四个版本）进行了实例验证和计算，并与现有的典型随机优化算法进行对比分析。计算结果表明，本文提出的改进QPSO模型为求解电磁逆问题的高效和可靠的全局优化算法。具体而言，与其他测试的最优算法相比，本文所提出的优化算法可以在迭代过程的初期阶段（使用更少的迭代次数）搜索到更好的最终最优解。因而，本文提出的优化算法兼具高效和全局寻优的优点。