结构优化设计按设计变量的类型可分为连续变量结构优化和离散变量结构优化。近30年来，结构优化设计的理论和方法得到了迅速的发展，但大多数的研究是针对连续变量的，离散变量的研究相对落后，这是由于离散变量结构优化相对于连续变量优化具有更大的难度。而在实际工程结构设计中，经常遇到某些设计变量只能取限定的离散值的情况，因此研究离散变量结构优化设计有重要的实际意义。 基于生物进化理论的遗传算法是近年来发展起来的一种新的优化技术，由于其广泛的适应性被应用到众多领域，结构优化设计是其应用的一个重要方面。但由于标准遗传算法在结构优化设计中存在计算量大、收敛进程慢以及容易陷入局部最优解等问题，本文首先在研究分析标准遗传算法的基本理论的基础上，针对离散变量结构优化设计的特点及要求，对标准遗传算法提出若干改进措施和混合策略，形成了较为有效的优化方法，然后将所提出的算法和理论应用于各种层次的离散变量结构优化设计中。 本文的主要工作有如下几个部分： 第一章首先概述了结构优化设计的发展现状，其中着重介绍了离散变量结构优化设计的特点、难点以及发展概况，然后论述了遗传算法的发展历史及其在结构优化设计中的应用情况。最后概述了本文的主要研究工作。 第二章详细地阐述了标准遗传算法的基本思想、运算过程以及基本理论，并对标准遗传算法存在的缺点及其产生原因进行了细致的分析。在此基础上，提出一种改进遗传算法。主要改进措施：(1)对群体中的不可行个体和约束条件过度满足的个体进行改造；(2)设置最优个体库；(3)自适应交叉；(4)最差个体大变异；(5)局部徘徊策略。 第三章选择与标准遗传算法互补性和兼容性较好的两种传统优化方法与遗传算法相结合，提出了两种混合遗传算法—拟满应力遗传算法和复合形遗传算法。拟满应力遗传算法通过在遗传算法中嵌入拟满应力算子，增强了局部寻优能力。它克服了拟满应力法解决问题的局限性，又比标准遗传算法更加快速有效。复合形遗传算法将离散复合形法引入到遗传算法中，一方面利用遗传算法为离散复合形法提供可行点，另一方面利用离散复合形法对遗传算法种群中的可行个体和不可行个体进行改进。它将两种算法的优点集中在一起，同时又弥补了两者的不足。-Ⅱ-因而无论是在搜索效率还是在解的品质上，它都比单一的算法更加优越。 第四章将提出的改进遗传算法、拟满应力遗传算法和复合形遗传算法应用于离散变量结构截面优化设计问题，包括静力荷载作用下的结构优化问题和动力特性优化问题。为减少结构分析的工作量，将满足静态约束的个体和不满足静态约束的个体设立了不同的适应度函数。采用大量经典的算例并与传统优化方法的优化结果进行比较，表明本文提出的三种算法取得了比较满意的结果，同时优化结果也显示了改进遗传算法比标准遗传算法优越，混合遗传算法比单一的算法优越。 第五章将本文提出的三种算法应用于离散变量结构形状优化设计问题。本文将形状设计变量和截面设计变量统一编码表示在同一染色体中，既解决了两类变量间耦合上的困难，又避免了将两类变量分开考虑只能求得局部最优解的问题。对混合离散变量问题，对形状变量提出了二级搜索策略，即首先在整个搜索区间进行粗粒度搜索，进化后期再将搜索范围缩小至最优解附近，重新编码进行局部细致搜索，从而解决了求解的精度和求解效率间的矛盾。算例的结果表明本文提出的算法和优化策略是可行的，与已有的文献相比，优化结果令人满意。 第六章用遗传算法求解了离散变量结构拓扑优化设计问题。为降低求解的难度，采用了分级优化方法，即先产生结构可能的拓扑形式，然后再在既定的拓扑结构形式下进行截面级优化。为节省随机产生结构拓扑形式所花费的大量时间，对桁架结构和刚架结构分别提出了一种启发式准则，可以快速找到可行的拓扑结构形式。另外，通过对桁架结构和刚架结构刚度矩阵进行分析，对两种类型的结构提出了不同的拓扑优化模型，避免了奇异最优解现象的产生，并保证了优化结果的准确性。 第六章还提出了一种用于离散变量结构拓扑优化问题的杂交算法。该方法充分发挥遗传算法和拟满应力算法各自的特长，用遗传算法进行结构拓扑级优化，用拟满应力法进行结构截面级优化，并将截面优化的结果传递给遗传算法作为拓扑优化中遗传操作的根据，这样大大减少单纯用遗传算法进行优化的解空间，从而加快搜索进程。 通过算例并同已有文献的优化结果进行比较，验证了本文提出的方法应用于离散变量结构拓扑优化设计中是非常有效的，同时算例的结果也表明，遗传算法在求解高度复杂的优化问题时具有很大的优势。 第七章对全文的工作进行了总结，并展望了后续研究工作。