本研究探讨了在X波段采用微带余割平方扩展波束天线阵，并运用遗传算法进行赋形优化，以实现更好的辐射性能。
遗传算法是一种基于生物进化理论的搜索方法，模仿了自然选择与遗传机制来解决优化及搜索问题。在该过程中，“种群”代表一组可能解决方案集合；每个“个体”的特征由其染色体决定，而染色体中的基因组合则影响了解的质量。
自适应遗传算法（Adaptive Genetic Algorithm, AGA）是对传统方法的改进版本，能够根据进化过程动态调整交叉概率和变异率。这通常提高了搜索效率与解质量，并能更好地适应问题特性和变化的空间结构。文中提出的AGA使用了logistic函数来优化交叉及变异的概率设置，有助于避免过早收敛并保持良好的全局探索能力。
赌轮盘选择（Roulette Wheel Selection）和精英保留策略是遗传算法中的常用手段。前者基于个体的适配度比例随机选取个体；后者则确保每代中最优解能被保存到下一代中，防止优秀基因丢失。这两种方法结合使用可以提升收敛速度及解决方案质量。
在天线设计领域，遗传算法用于优化阵列单元激励幅度和相位以形成特定方向图。余割平方波束天线因其低仰角高增益、高空角小增益特性而适合于飞机导航雷达系统应用中探测高度相同但倾斜距离不同的目标。
文中研究的X波段微带余割平方扩展波束阵列，其设计参数包括-3dB和-10dB宽度范围、覆盖角度及频率等。通过改进型自适应遗传算法优化后，实现了宽广的覆盖度与更高的工作频点，在飞机导航雷达探测中显示出优势。
除了副瓣抑制和主瓣赋形外，遗传算法还能用于调整单元间距以及处理耦合效应等问题，适用于复杂模型参数众多的设计挑战。随着技术进步，该方法在工程实践中应用越来越广泛，如高功率微波源优化、二维声子晶体带隙宽度设计等均有显著效果。
改进与运用包括实数编码、直接搜索策略、网格自适应直接搜索算法及反映面法等多种方式。此外还有小生境技术和多目标优化技术来维护多样性和处理多个目标问题，进一步增强了遗传算法在天线阵列赋形中的应用潜力和性能表现。
5星
