最优化设计是研究怎样在约束条件下合理优选设计变量来得到工程问题优化方案的一种现代设计方法。在优化设计领域，进化算法以其对设计问题的数学模型依赖性小，全局搜索能力强等特点，越来越受到广泛的应用。各种基于不同进化规则的分支算法层出不穷。各种算法都有各自的优势和缺陷，如能将其中的一部分进化机制提取出来，构造有效的混合算法，能够提高算法的搜索能力。 粒子群优化算法是进化算法的一个重要分支，粒子群算法依靠基于群体信息共享的智能进化，使搜索过程紧跟当前的优势个体，因而计算效率比较高。但是，粒子群算法种群多样性丧失较快，算法比较容易陷入局部最优解。本文将免疫算法中浓度的概念引入粒子群算法中，提出了一种基于浓度概念的竞争排挤粒子群算法，增强了种群多样性，提高了算法的搜索能力。本文还提出了基于样本方差的种群多样性指标，用以定量的描述种群多样性。最后，将这种改进的粒子群算法应用于结构优化、布局优化、无人机航路规划、连杆机构再现运动规律的最优化设计、汽车盘式制动器优化设计中，得到了比较满意的效果。本文还将浓度的概念引入多目标粒子群算法，提出一种基于浓度的共享函数，合理的描述了Pareto解集的多样性，使得Pareto解集分布更均匀。 拓扑优化是结构优化的一种高级形式。在其优化过程中，结构的元件尺寸、构件有无空洞、空洞的位置大小都会发生变化，最终得到最优结构形式。本文对现有的几种比较简单和常用的方法作一个总结和概括，对拓扑优化做了一个有益的探索。