作为无线电收发设备的关键部件,天线在通信、雷达等领域有广泛应用。传统的天线设计方法依赖于天线设计人员的电磁理论知识与经验,在面对具有挑战性的需求时,难以快速高效地找到较好的解决方案。数据驱动优化算法辅助的天线自动与半自动设计,能够综合考虑各项设计要求,获得最优天线结构。它降低了天线设计对工程经验的依赖,具有自动化、智能化的优点,是未来天线设计的必然发展趋势。但由于天线设计优化过程中需要频繁调用电磁仿真软件进行天线个体评估,导致算法的整体时间复杂度较大,难以适用于多参数复杂天线的设计。因此,提高优化效率,缩短优化时间成为演化天线设计中的研究热点。对此,部分研究人员在演化算法迭代寻优中调用计算成本低、仿真时间短的代理模型代替电磁仿真。不仅如此,不同精度的代理模型可以看作真实问题的不同近似,即对应不同精度的电磁仿真,会产生不同的近似误差与计算代价。数据驱动的多精度优化算法权衡优化性能与计算代价,旨在减少计算代价的同时得到满意的优化结果。本论文的主要目的就是研究多精度数据驱动的优化在天线设计中的应用。本文的主要研究工作如下:1)针对高斯模型代理建模中的超参数估计,通过观察似然函数特征,设计一个正则量计算表达式来保证超参数估计的计算稳定性与准确度,也就是保证整个数据驱动优化过程的稳定性与准确度,同时还提出一个用于确定高斯模型超参数的取值范围的方法。2)针对多精度高斯过程回归代理模型,分析与总结不同精度评估函数之间的相关性、评估代价比、高精度训练数据个体数以及不同精度评估个体的分配对代理模型的性能的影响,为多精度高斯模型的构造设计一套通用准则。3)针对多精度优化问题设计一个利用多个单响应高斯模型的优化算法,并使用多精度测试问题集验证算法性能。实验结果显示该算法在求解较高维度问题时性能优于同等代价的单精度优化。4)针对火山烟天线设计问题,采用单精度与多精度数据驱动高斯代理模型辅助的演化算法进行求解,并与差分演化算法作比较。除此之外,本文还提出了一种无需额外计算代价的提高演化天线鲁棒性的方法。实验结果表明,在有限的计算代价下,数据驱动代理模型辅助的演化算法求解天线问题具有优势,且双精度情形在消耗更少计算代价时能够获得与单精度情形不相上下的天线个体解。本文有两个创新点:a)针对如何保证高斯代理模型建模过程中超参数估计的计算稳定性与精确度,以及最大化似然函数前如何给定超参数取值范围这两个问题,本文通过观察与分析似然函数特征,给出明确的解决方法。b)针对多精度高斯过程代理模型,挖掘不同精度评估函数之间的相关性、评估代价比、高精度训练数据个体数以及不同精度评估个体的分配对代理模型的性能的影响。