当前输电线路的建设费用异常高昂，这主要是由输电铁塔耗钢量巨大造成的，而输电铁塔重量的增加会相应增加运输、施工以及地基的费用，因此，如何最大限度地挖掘材料的潜力，使铁塔结构形状更加合理，铁塔重量更轻成了电力部门和相关设计单位的重要问题。本文提出了BP-GA(Error Back-propagation Algorithm and Genetic Algorithm)算法，该算法联合遗传算法(GA)和BP神经网络来对输电铁塔进行结构形状优化设计。该算法利用遗传算法善于处理优化变量是不同性态、连续或离散或连续与离散混合的问题，对桁架结构分别进行杆件截面和节点坐标的优化设计；针对遗传算法在运算过程中需不断地对结构进行有限元重分析以计算适应度函数值，耗费了大量计算时间的缺点，本文引入BP神经网络，利用其高度非线性映射能力来直接计算遗传算法的适应度函数值，替代优化中重复采用有限元分析的方法，大大降低了计算花费的时间，提高了算法收敛速度。针对输电铁塔工程实际的特殊性：在实际应用中输电铁塔结构的弦杆(主柱)通常为单一斜率变化(没有变坡)，本文提出了输电铁塔弦杆结点直线约束条件，极大地减少输电铁塔结构优化设计过程中的形状设计变量(结点坐标变量)数目，优化结果既符合工程实际，又提高了优化效率。本文建立的输电铁塔形状优化模型旨在通过优化铁塔杆件截面积和结点坐标，使结构布局更为合理，铁塔既满足应力约束、位移约束、弦杆结点直线约束条件、电气参数要求，又使铁塔重量更轻，耗钢量更少，降低铁塔工程造价。本文对一个10杆桁架和25杆输电塔架算例进行形状优化设计，把优化结果和相关文献对比研究，验证了本文的算法是可靠有效的。最后对一个高压输电铁塔实例进行形状优化设计，优化其杆件截面积、结点坐标、铁塔根开，使得铁塔结构布置更加合理，取得了令人满意的优化结果。