在对阵列天线研究和设计的时候，我们最关心的也是最重要的就是阵列天线方向图综合，随着天线技术的发展，目前已经探索出来的综合方法有很多种。目前较为有效的方向图综合方法有以下四种：
    一、根据给定的旁瓣电平以及主瓣宽度或者指定的零点位置，以确定某几个阵因子变量，其他的阵因子作为非变量参与。切比雪夫综合方法和泰勒综合方法就是常见的此类方法。20316
二、按照给定的方向图，达到要求的形状。主要通过确定振元的间距分布、以及激励数目来获得可实现的最优阵因子。较为常见的方法有傅里叶变换法以及 W-S法。
三、微扰法，从已知的方向图开始，改变指定的方向图参数。
四、数值分析法，主要讨论优化阵列天线的参数。
传统方法计算简便，便于理解操作。但是在现实工程运用中，阵列天线的方向图以及分布是随机的、不确定的，因此传统方法在实际应用中是很难实现。这暴露了传统方法适用面小的缺点。
2智能优化方法
智能优化方法在计算机高度发展的今天有着不可取代的优势。而本文中涉及的遗传算法又是在电磁学以及天线中被研究和应用最多最深的。
教授J. Holland在1975年发表的《自然界和人工系统的适应性》，此文一经发表便引来了人们的广泛关注，这其中首次提出了遗传算法，之后人们对遗传算法的研究也更加深入广泛。随后，De Jong将遗传算法用在了计算函数值、取得最优结果中。遗传算法是一种随机化的搜索算法，其搜索方式正是借鉴了生物界自然选择中的选择、遗传、变异。
随着遗传算法的应用、理论研究被越来越多的研究，遗传算法在90年代后迎来了发展的兴盛时期，成为了热门研究方向。对于遗传算法的各项研究也处于百花齐放状态，其应用研究十分突出，这些研究增加了遗传算法的应用领域、提高了遗传算法用于优化的能力，研究范围也已经扩展到产业应用部分。与此同时也在快速发展的还有一些新的方法和理论，遗传算法被注入了新的血液。
J.Michael Johnson 和Yahya Rahmat-Samii 开创了天线综合使用遗传算法解决的先河，人们也是从他们这里得到了应用的方法。从此，天线图综合中开始应用遗传算法，例如Yan Keen-Keong等人在抑制最大旁瓣时采取了十进制的遗传算法，从而大大加快了运算速度。Tennant等人为了实现方向图的零点生成，在阵列优化中使用了遗传算法，并且取得了很好的效果。
伴随着遗传算法应用领域研究的增多，很多新的研究方向备受人们关注。主要有以下几个方面：
1.是将遗传算法应用于机器学习。
2.是遗传算法和模糊推理、混沌理论以及神经网络等智能应用之间的综合。
3.是遗传算法的并行处理使用。 阵列天线国内外研究现状:http://www.youerw.com/yanjiu/lunwen_12048.html