结构优化一直以来都是结构优化设计中的研究热点,在传统优化方法不能实现的情况下,越来越多的智能算法被引入结构优化领域,其中主要有遗传算法和粒子群算法。但是遗传算法的编码复杂,收敛速度慢；粒子群算法要设置各种参数,需要逐个检验约束,对于复杂的结构是很耗时的过程。本文将一种新的智能算法一群搜索算法(Group Search Optimizer,GSO),引入结构优化设计。GSO编码容易,收敛速度快,计算效率高,约束处理容易,对于高维变量优化的问题有明显优势。近年来,结构优化中,尤其是桁架和框架优化中,多偏重于单目标优化设计。但是,随着工程结构越来越复杂,越来越多情况下需要同时优化两个或者两个以上相冲突的目标函数,这就是多目标优化设计。传统的多目标优化设计不能得到真正的Pareto最优解集,不能很好地处理凹函数,遇到约束复杂的工程问题,不能用传统的方法来求解。　　 本文将针对于单目标优化的GSO改进成多目标群搜索算法(Multi-objective Group Search Optimizer,MGSO),引入了精英集保存在迭代过程中得到的Pareto解,并运用拥挤距离计算机制处理精英集,从而使得算法能得到分布均匀的Pareto最优解集。运用MGSO针对实际工程结构进行多目标优化设计,对桁架的结构总重量、节点最大位移、基频及形状进行了静力与动力优化,对框架结构的总重量、最大层间位移及总动应变能进行了优化。论文第四章,将结构的总重量和指定节点的最大位移作为目标函数,对10杆平面桁架结构进行了尺寸优化。在第五章中选择结构的总重量和指定节点的最大位移作为目标函数,分别以25杆和40杆桁架为例进行了形状优化。论文第六章则以结构的基频和结构总重量为目标函数,以10杆和40杆桁架为例进行了动力优化。针对框架结构的抗震优化设计,论文第七章分别以单跨8层框架采用结构总重量和结构总动应变能为目标函数,双跨5层框架采用结构总重量和最大层间位移为目标函数的实例进行了优化设计。