对于平面相控阵,往往拥有数以千计的阵元,如果对每个阵元天线的接收信号进行单独的处理,即每一个阵元组成一个接收通道,无疑会大大增加信号处理的硬件成本。为了减少信号处理器的维数,通常采用将若干阵元合并为一个子阵的子阵级信号处理方式,这样,对于平面相控阵,我们有必要对如何合理的划分子阵进行研究。对于子阵进行划分,是一个复杂的非线性优化问题,传统的优化算法无法胜任。而借鉴生物界自然选择和自然遗传机制的遗传算法,以其既能扩大搜索域,又兼顾搜索效率的突出特点,被越来越多的学者应用于阵列信号处理的领域,成为这一划分子阵任务的最有效工具。本文主要研究了三方面内容:遗传算法对于阵列结构的编解码及其约束条件的实现;基于单目标遗传算法的子阵划分;基于多目标遗传算法的子阵划分。利用“生长点”的编解码方法成功实现了由阵列结构到二进制编码的转换。同时,在具体的划分过程中,对于子阵划分的约束条件,我们利用边界判定函数,对解码产生的非法阵元进行修正;利用求阵元的状态标记位,使各子阵为非重叠子阵;利用相邻判断条件,使得同一子阵中所有阵元相邻;利用相邻插入的方法,使阵列为满布阵。对于单目标优化的子阵划分,我们利用遗传算法分别实现了对在存在旁瓣干扰和旁瓣干扰情况下,相控阵列抑制干扰的同时改善了和波束两个切面旁瓣电平以及相控阵的输出信干噪比;最后讨论了对于差波束两个切面旁瓣电平的优化的问题。对于多目标遗传算法(Multi-Objective Genetic Algorithm,MOGA)的子阵划分,我们分别利用基于加权系数的MOGA,基于向量评价的MOGA(也称VEGA,Vector Evaluated Genetic Algorithm),以及基于Pareto秩的MOGA实现了对和差波束两个切面旁瓣电平以及输出信干噪比五个目标函数的同时优化。对提出的各种方法进行了计算机模拟仿真,以及结果分析,证明了利用遗传算法对于平面相控阵进行子阵划分结果的正确性。