结构的优化设计及相关研究一直是研究人员及工程师的工作核心。无论提出新的结构优化理论或者新的结构形式,还是在具体工程中实现结构优化设计,都会带来重大意义及可观的经济效益。随着计算技术的进一步发展,及随机算法的进化完善,传统的优化设计方法已逐渐被各种新生的随机算法所取代。目前,作为随机算法中最为重要的一类算法--群智能优化算法已经广泛应用在结构优化设计领域,但其涉及的结构优化层次尚处于较低水平,如研究仍停留在结构构件的截面尺寸优化层次。本文基于国内外在群智能优化算法改进及应用方面的研究成果上,进行算法改进的相关研究,并实现较高层次的结构优化,如结构拓扑优化,结构动力优化等等。　　 本文的研究工作由两部分组成:　　 第一,介绍当前主流的随机算法,对各算法的优缺点进行综述,对改进算法的方法及思想进行总结。论文中主要涉及两种算法:一种为启发式粒子群优化算法；一种为群搜索优化算法。本文的研究则致力于对群搜索优化算法的改进,使其更加高效,及将算法应用到较高的层次的优化设计和不同结构形式的优化设计。根据结构优化问题的解空间的特性,即优化解常处于边界附近,提出一种处理违反约束的处理方法--边界黏附机制。通过该机制,可以发现结构优化模型在设计过程中存在的缺陷,如变量取值范围的恰当与否。更重要的是优化模型处于边界上或边界附近时,该机制能提高算法的收敛速度。　　 第二,论文将改进后的算法(主要是群智能优化算法)应用于较高层次的结构优化设计,实现桁架结构的几何优化、拓扑优化、动力优化及刚架结构优化。其中桁架结构的拓扑优化,本文总结了已有的拓扑方法,针对桁架结构特性做了相关的改进,并提出一种更为简单有效的拓扑方法；同时考虑结构动力特性,实现桁架结构的动力优化。在相应的优化算例中,结果表明改进后的算法在较高的层次的结构优化问题中仍具有广泛的适用性,其特有的搜索机制使得其在更为复杂的结构优化设计中比其他已有的算法更具发展潜力。　　 值得一提的是,第二部分的算法应用相关内容相对于第一部分算法的改进的研究内容要多,可以说本文的研究重心倾向于算法的应用。另外,本文的主要内容章节安排如下:　　 第一章,对本文课题的研究历史、背景等情况进行综述；　　 第二章,介绍各种算法,其中主要介绍GSO算法及约束处理；　　 第三章,研究GSO在刚架结构的构件截面尺寸优化设计中的应用；　　 第四章,对GSO进行一些改进使其适应更加复杂的优化应用,改进后的算法简称为HGSO,　　 第五章,研究两种算法在桁架结构的几何优化设计的应用,以具有离散的截面变量和连续的几何变量的几何优化模型为优化设计对象；　　 第六章,介绍桁架结构动力特性的优化设计,并根据工程实践中的要求建立两种优化模型,在第五章的基础上研究算法在桁架结构动力特性几何优化设计中的应用；　　 第七章,在第五章的研究基础,进一步实现桁架结构的拓扑优化(拓扑布局优化)；　　 最后,对全文研究工作进行总结及展望未来的研究工作和研究方向。