结构优化设计能在保证工程结构质量的前提下减少不必要的材料和损耗,为工程结构的经济性和安全性提供重要保障,近几十年来它成为土木领域的研究热点。由于结构优化设计涉及大量结构参数的计算分析,利用智能优化算法求解优化问题是对结构进行有效优化设计的重要手段。然而,由于结构运营条件不断变化,结构形式和构件材料不断复杂化,这些都对结构优化算法的性能提出了更高的要求,当前结构优化算法的收敛性和鲁棒性仍面临巨大挑战。另一方面,计算机领域不断发展出更高性能的智能优化算法,为其工程应用提供了潜在可能性。本研究应用计算机领域新近提出的基于仿生学的郊狼优化算法（COA）进行桁架结构优化设计,为当前结构优化算法的改进提供参考。本文学习研究了郊狼优化算法的基础理论,并在此算法的基础上针对不同类型的桁架优化设计问题做出了不同的改进,然后将算法应用于一系列关于离散变量桁架结构与连续变量桁架结构的优化设计中。研究工作主要包括以下内容:（1）郊狼优化算法是一种基于群体智能和进化机制的随机算法,其求解过程模拟郊狼种群的群体结构,遵循自然进化机制,各个种群部落之间通过学习交流增加多样性。本文研究郊狼优化算法并将其应用于桁架尺寸优化问题,无论是连续变量优化设计问题,还是离散变量优化设计问题,其优化结果都证实了该优化算法具有良好的鲁棒性和收敛性。（2）针对原算法收敛速度较慢以及在高维工况下收敛结果不稳定的问题,利用算法融合的策略,引入和声搜索算法求解策略对郊狼优化算法进行改进,提出了适用于求解桁架结构连续变量和离散变量单目标尺寸优化问题的改进郊狼优化算法（COAHS）。为验证COAHS的有效性,将其应用于各种经典桁架结构优化算例,结果证实COAHS全局寻优能力更强、收敛速度更快、且鲁棒性更高,并可有效适用于单目标尺寸优化问题。（3）在郊狼优化算法用于桁架结构单目标形状优化设计问题过程中,为了解决离散尺寸变量和连续形状变量两种不同类型的设计变量带来的挑战,本文采用将两者耦合的方法,构成混合编码形式,其中包含整数和实数编码,这样的编码方式可以解决桁架结构刚度矩阵发生奇异现象,有效求解优化问题。（4）本文在改进郊狼优化算法与pareto解集概念的基础上,提出一种新的多目标郊狼优化算法以求解多目标优化设计问题。该新算法在迭代过程中结合子代、父代郊狼个体,运用NSGA-Ⅱ中的快速非支配排序策略筛选出下一次迭代过程中的父代狼群,然后使用动态距离保持解的多样性,以使pareto最优解均匀分布,也避免陷入局部最优。（5）首先将提出的多目标郊狼优化算法应用于测试函数,分析结果的收敛性,再将其应用于多目标经典桁架优化设计问题。数值模拟的结果表明,该算法具有较好的收敛性,可以应用于多目标桁架优化设计问题。（6）对原算法、改进算法以及提出的多目标郊狼算法应用于桁架优化设计问题的研究结果进行总结,对未来研究的方向提出展望。