结构优化设计是产生一个最优设计方案必不可少的一个环节.实际工程设计问题中,大量问题属于离散变量设计问题.离散变量结构优化设计问题属于组合优化的NP困难问题,传统的优化方法不再适用,而遗传算法具有全局收敛性和并行性,实用性广,只需要较少的先验知识,为离散变量结构优化问题开辟一个新思路,显示了强大的优化功能.该文对遗传算法及在建筑结构离散优化设计应用中的相关问题进行分析和研究,对建筑结构离散优化模型的建立,进行了初步的研究;对整数编码机制和二进制编码机制进行了对比,发现整数编码机制更适合于离散变量优化设计,它具有计算量小、稳定、易于操作的优点;设计了一个能反映个体违反约束程度的个体评价适应度函数;并在遗传算子、控制参数等也做了初步的研究.针对遗传算法在应用中的计算量大、早熟收敛、局部搜索能力差缺点和离散变量的离散性特点,提出了一些改进措施.首先提出(-1,0,1)规划算子,虽然能够改变遗传算法后期局部搜索能力低的缺点,但是规划算子有计算量大,搜索范围有限,完全控制算法进程的缺点.而后发展成了有限变异算子,能有效的解决上述问题;对大规模优化问题,先提出一种粗细粒度搜索模型,这种搜索模型虽然能很快得到较好的优化结果,但搜索到的结果受初始变量分组的影响.在这些工作的基础上,构造了一种小规模遗传算法.小规模遗传算法采用较小的群体规模、动态变量约束、基因库、子空间等概念和措施.算法性能试验和算例都表明这种算法能在较小的计算量下,较快的得到最优解,为离散变量结构优化设计提供了一种借鉴方法.最后采用实际的建筑结构优化算例并与有关文献的优化结果进行对比,小规模遗传算法能取得很好的优化结果,说明了算法的可靠性.