优化问题是一种具有普遍性的工程数学问题。其主要的目标就是在于如何寻找到最好的或理想化的解决方案。广义上的优化算法所研究的问题宽泛而且多样,对其进行理论分析一直以来都是值得关注的研究领域。在整体层面上,优化问题可以分为确定性优化和非确定性优化两大类。虽然确定性优化算法相对而言比较成熟,但是其工程应用条件比较苛刻。通常很难应用于复杂的非线性优化难题。这就促进了随机优化算法,特别是群体智能优化算法的蓬勃发展。蝙蝠算法（Bat Algorithm,BA）是一种生物启发式的群体智能优化算法,本文在分析了BA的基本公式和运行原理之后,针对原始BA所存在的不足,提出了一种新的改进策略,并且有效提升了算法的优化性能。然后将改进后的算法应用到多种工程结构优化问题中。本文的主要研究内容和结论可概括为:（1）BA作为一种搜索全局最优解的著名算法,仍然具有收敛精度较低,容易陷入局部最优的不足。针对这些缺点,本文提出了一种混合甲虫触须搜索（Beetle Antennae Search,BAS）的自适应蝙蝠算法BAS-BA。该算法将基于全方位触须感知的改进BAS和自适应的蝙蝠超声检测技术相结合。改进的BAS搜索机制提高了种群的多样性,避免了早熟现象,增强了算法BAS-BA的全局搜索能力。而自适应的蝙蝠超声探测机制则更加真实地模拟了蝙蝠在自然界中的回声定位行为,这有效提高了算法BAS-BA的局部寻优能力。（2）通过一系列单峰和多峰基准测试函数,对算法BAS-BA和原始BA以及其他群体智能算法进行了测验。统计各种算法运算后产生的数据并分析处理,结果表明,算法BAS-BA在鲁棒性,收敛精度等方面均明显优于BA和另外三种类型的群体智能优化算法;数值实验结果证明了混合改进型算法BAS-BA有着较为优良的寻优性能。（3）将算法BAS-BA应用于五种经典的工程优化问题和五种桁架结构尺寸优化问题中。这些工程优化问题包括连续型变量优化问题,离散型变量优化问题以及混合型变量优化问题三种类型。数值实验结果表明,与原始BA,改进类型的BA以及其他类型的群体智能优化算法相比,BAS-BA能够较快地跳出局部最优解,稳定地求解出精度更高的解。上述结果表明,混合改进型算法BAS-BA能够用于解决复杂的工程结构优化设计问题。