1.一种基于混合遗传二进制蜻蜓算法的超表面波束赋形优化方法，其特征在于，超表面阵列由8*8个超级子单元组成，每个超级子单元由6*6个相位全0°或全180°的单元构成，所述相位为相对值，即两单元相位相差180°，所述阵列采用混合遗传二进制蜻蜓算法对设定的特定波形进行优化，具体包含如下步骤：步骤1：构建描述超表面阵列的初始种群并测量最优值；

步骤2：基于初始种群进行一次迭代，进行选择、交叉、变异操作，并测量最优值；

步骤3：将上述步骤2测量结果与上一代测量结果进行对比，若最优值发生改变，则回到步骤2，并重复执行步骤2和步骤3，输出最优值和最优种群，若最优值未发生改变，则进行下一步；

步骤4：基于上述步骤3的种群进行最优值排序，前90%做二进制蜻蜓算法迭代，后10%做遗传变异操作并测量最优值；

步骤5：将上述步骤4测量结果与上一代测量结果进行对比，若最优值发生改变，则重复执行步骤2和步骤3，输出最优值和最优种群，若最优值未发生改变，则进行步骤4和步骤5，输出最优值和最优种群；

所述混合遗传二进制蜻蜓算法的适应度函数为：

其中， 为适应度函数， 为加权系数，

分别表示自设定下限函数与上限函数， 为离散样

本索引， 为方向图函数， 表示归一化后的方向图的函数，

分别是以 轴和 轴正方向为参考方向的俯仰角和方位角， 为波矢值， 表示超表面排布的行列数， 分别表示第 个单元结构所对应的幅度和相位， 分别表示单元坐标轴方向的周期。

2.根据权利要求1所述的一种基于混合遗传二进制蜻蜓算法的超表面波束赋形优化方法，其特征在于，所述方法还包括采取先用遗传算法优化了二进制蜻蜓算法的种群，使其能够快速收敛。

3.根据权利要求1所述的一种基于混合遗传二进制蜻蜓算法的超表面波束赋形优化方法，其特征在于，所述二进制蜻蜓算法能够提高遗传算法寻优精度。

4.根据权利要求1所述的一种基于混合遗传二进制蜻蜓算法的超表面波束赋形优化方法，其特征在于，所述方法还包括采取遗传算法中变异的思想解决二进制蜻蜓算法临域无蜻蜓陷入局部最优的问题。

5.根据权利要求1所述的一种基于混合遗传二进制蜻蜓算法的超表面波束赋形优化方法，其特征在于，所述超表面阵列规模大小不唯一，适应性强。

6.根据权利要求1所述的一种基于混合遗传二进制蜻蜓算法的超表面波束赋形优化方法，其特征在于，所述混合遗传二进制蜻蜓算法交叉概率为0.9，隔代率为0.9，遗传算法中变异概率为0.08，二进制蜻蜓算法中变异概率为0.2。