获得13.5 nm极紫外光刻光源的主流方案为激光激发等离子体，即利用高功率、高重复频率、高光束质量的短脉冲CO₂激光与液滴锡靶作用产生极紫外光。高功率CO₂激光由振荡器产生的高重复频率CO₂种子经多级放大产生，所以功率放大器是驱动光源系统的核心器件之一。建立了射频激励快轴流CO₂激光放大器的六温度模型，可以模拟计算放大过程中稳态与瞬态的能量分布情况、光强变化情况、增益系数等。以此模型为适应度函数，采用遗传算法对自研射频激励快轴流CO₂激光放大器的腔压和CO₂、N₂、He气体体积比进行全局优化，优化结果为80 mbar（1 bar=100 kPa）和V（CO₂）∶V（N₂）∶V（He）=12.2%∶15.3%∶72.5%。在波长10.6 μm种子光注入功率110 W的情况下，放大器的激光输出功率从2504 W 提高到3422 W，验证了该方法的可行性和有效性。

为解决复杂多变环境下光纤入侵事件因噪声干扰识别困难、误报率高的问题，提出了基于改进的奇异谱分析和遗传算法优化的双向长短期记忆神经网络的入侵事件识别方法。首先，为了减少噪声对识别效果的影响采用改进的奇异谱分析法去噪，对入侵信号及其分量进行迭代奇异谱分析去噪，并利用信号贡献率的大小来确定信号重构的秩阶次，调节信号分量去噪的程度，实现光纤信号的去噪。然后，利用遗传算法优化神经网络结构参数，构建双向长短期记忆神经网络提取光纤信号空间特征，最后基于以上方法对攀爬、跑动、敲击、静态、大风、雨天6种实测信号进行入侵事件识别实验，实验结果表明，在双Mach-Zehnder光纤周界传感系统识别入侵事件过程中，改进的奇异谱分析相比普通的奇异谱分析，去噪信噪比有明显提高，平均信噪比提高了12.79 dB，平均均方根误差略有减少。遗传算法优化的双向长短期记忆神经网络较未优化神经网络平均识别率提高了5.7%，识别准确率最高可达98.1%。

针对批量化零件的自动化高效视觉检测需求，传统的先视点再路径的单独规划方法容易导致检测效率陷入局部最优。为此，本文提出一种视点与路径多目标整体规划方法，将视点和路径规划问题建模为一个组合优化问题进行多目标优化，旨在全局寻求检测效率最优解。该方法基于表面曲率对视点进行自适应冗余采样，构造兼顾质量与多样性的采样视点集。针对视点覆盖率与检测时间成本两个优化目标，提出基于约束的非支配排序遗传算法（C-NSGA-Ⅱ）进行优化，快速得到满足最小覆盖率的全局最优解，从而实现视点与路径的整体规划，最小化检测时间成本。仿真实验结果表明，该方法相比于简化为单目标优化问题的整体规划方法，运算效率提升90%左右；与传统的单独规划方法相比，视觉检测时间成本有效缩短10.52%以上。最后通过机器人视觉检测应用验证了本文方法的有效性与优越性。

针对太赫兹频率选择表面（FSS）单元结构复杂、参数繁多、优化耗时等问题，基于卷积神经网络（CNN）并结合遗传算法，提出一种FSS智能化融合设计方法，并将其应用于典型滤波FSS的性能优化设计。将FSS周期单元拓扑编码为16×16的“0/1”旋转对称序列，收集26000组0.5~3 THz的透反射光谱作为数据集，利用19层CNN实现光谱预测，对测试集的平均绝对误差低至0.06。利用预测光谱与目标光谱的差值，给出各类典型FSS设计的通用目标函数，结合遗传算法，设计实现了带宽为0.1 THz的单频带通和带阻FSS、带宽为0.5 THz的单频带通和带阻FSS、带宽为0.2 THz的双频带通FSS，且均具有良好极化稳定性。计算结果表明，通过优化设计FSS的拓扑编码，可以简洁高效地实现各类典型带通带阻FSS。

十几年来，钙钛矿太阳能电池（PSCs）由于其在功率转换效率和制造成本方面的显著优势而备受关注。然而，其复杂的物理机制和众多限制因素给实验设计、工艺制造和综合优化策略带来挑战。以光电多物理场耦合模型为核心，开展一系列多物理场仿真计算，研究光电耦合模型的底层物理和边界条件，获得PSCs包括光学性能和电学性能的大量数据。根据这些数据，建立微观物理量和宏观光电响应的神经网络及机器学习模型，成功预测PSCs的光学和电学性能，其误差在3%以内，且速度较快。结合遗传算法，该模型根据给定的响应曲线反向优化结构参数，进而获得更高效率的PSCs。该研究有效解决了PSCs因光电耦合机制复杂、物性参数众多、仿真速度较慢而难以优化设计等难题，为光伏器件快速智能化设计提供了一种可行路径。

针对宽光谱光学系统初始结构构建效率低、设计周期长的问题，提出基于遗传算法的宽光谱光学系统设计方法。推导等焦距、等像面成像条件，建立合理的优化目标函数，以光学结构参数作为遗传变量，利用研究的遗传算法解算出大量优异初始结构，筛选最优结构输入到光学仿真软件中，经过简单优化即可得到满足要求的宽光谱光学系统。以此方法设计了可见光、近红外宽光谱光学系统，系统成像波段为0.4~1.2 μm，焦距为40 mm，视场角均为±5°，波段范围内焦距差异小于0.03 mm，且宽光谱范围内成像质量良好。

掺铋光纤放大器有助于将光纤通信系统拓展至新的传输波段。然而，其增益和噪声性能存在相互制约的关系，提升增益往往会导致噪声性能的恶化，反之亦然。因此，提出一种结合反向传播神经网络（BPNN）和带精英保留策略的快速非支配排序遗传算法（NSGA-Ⅱ）的多目标优化方法，通过对两级掺铋光纤放大器结构进行设计，实现了增益和噪声性能的同时优化。使用经过训练的BPNN对增益和噪声系数预测的均方根误差分别为0.191和0.084，具有较高预测精度。以高增益和低噪声系数为目标，使用NSGA-Ⅱ算法进行优化，得到包含500个解的Pareto最优解集。优化后，放大器所能实现的平均增益范围为15~37 dB，相应的平均噪声系数范围为4.95~5.31 dB。利用BPNN代替求解耦合微分方程来评价个体适应度，使得优化时间较传统方法由10⁶ s左右降低为80 s左右，大幅提升了优化效率。所提方法也为其他掺杂光纤放大器的高效率、多目标结构优化设计提供了一种新的思路。

设计了一种基于尺寸渐变超表面的宽带高增益低剖面天线，该天线由双层超表面和一层微带缝隙组合而成。双层超表面由分别印刷在 2个介质板上的尺寸渐变六边形阵列贴片组成,贴片之间存在非等距间隙。超表面单元尺寸渐变设计能够使天线产生多个邻近的谐振点，从而展宽带宽。通过改变超表面天线尺寸结构，分析天线的宽带辐射特性。为获得最佳宽带性能，采用遗传算法优化天线几何参数。制作并测试了一款边长为 43.3 mm，厚度为 4.853 mm的样本天线用于验证仿真结果。实测结果显示，该天线-10 dB阻抗带宽达到了 54%(3.99~6.93 GHz)，最高增益达到 12.05 dB，在 4~6 GHz范围内增益保持在 8 dB以上。该天线实现了宽频带、高增益、低剖面的特点，适用于宽带高速率无线通信的诸多领域。

为克服传统自适应遗传算法易出现未成熟收敛的问题，提出一种新型基于种群多样性的自适应遗传算法。解决未成熟收敛问题的关键是避免算法在寻找到最优解前种群多样性的丧失。为适应进化过程中种群多样性的变化，提出了包含方差因子和种群熵因子的交叉概率和变异概率公式。根据种群收敛情况相应地调整交叉概率及变异概率，在不破坏种群优良基因模式的同时保持种群的多样性。通过标准函数测试与已有算法进行对比，结果表明，所提算法相较于已有算法，在保证收敛精确度的同时提高了收敛速度，有效克服了“早熟”等问题。