拓扑优化是指在给定的载荷、边界条件和其他约束条件下，寻找材料在设计区域内的最优分布，进行轻量化设计，提高材料利用率，从而提高结构的性能。本文深入分析了当前国内外拓扑优化的研究状况，针对当前研究中现存方法求解质量不高、求解问题规模较小、容易陷入局部最优等缺点，在连续体结构拓扑优化模型构建方法，求解算法以及工程应用等方面进行了深入的研究。首先，考虑到传统的渐进结构优化法（Bi-directional Evolutionary StructuralOptimization, BESO）求解质量不高，所得到的结果是局部最优解；而离散粒子群优化算法（Binary Particle Swarm Optimization, BPSO）求解拓扑优化问题计算规模小、求解效率低，本文首次提出将离散粒子群优化算法与双向渐进结构优化法相结合，采用双重编码方式对拓扑优化问题进行模型构建，提出了基于改进离散粒子群优化的双向渐进结构优化法（AHybrid Method Combining Improved Binary Particle SwarmOptimization with BESO for Topology Optimization, IBPSO-BESO），并且根据BESO方法能够同时增删材料的特点，设置了改进的BPSO操作用于求解，并对方法的关键参数进行了讨论。为解决结构材料的连通性问题，引入了惩罚函数机制。通过若干二维、三维拓扑优化问题的实例计算和结果对比，验证了本文所提出的方法能够有效提高求解质量。其次，研究了多工况下的拓扑优化问题。采用子工况目标函数线性加权平均的方法构造目标函数，构建了基于IBPSO-BESO方法的多工况拓扑优化模型，运用IBPSO-BESO方法求解了若干二维和三维多工况下的拓扑优化问题，通过对结果的对比分析，验证了本文所提出的方法用于求解多工况下的拓扑优化问题的有效性和高效性。最后，研究了模式重复约束下的拓扑优化问题。采用晶胞单元法构建了基于IBPSO-BESO方法的模式重复约束拓扑优化模型，进一步改进了IBPSO-BESO方法，使之能够求解模式重复约束下的拓扑优化问题，通过几个实例验证了本文提出的方法用于求解模式重复约束下的拓扑优化问题的有效性和通用性。