大型复杂机械系统的整体优化能否实现，主要取决于两个方面的因素，一是建立合理的优化模型，二是选择有效算法。对于大型复杂机械系统，由于元件太多、相互关系复杂，不确定因素引起的问题维数大，另外在优化模型中常包含性态各异的函数成分，不易找到切实可行的优化方法。论文以大型机械系统矿用排土机为例，提出一种从整体系统到各子系统的解决方案。该方案包括整体优化策略和空间杆系结构优化设计等两个方面。 在整体优化策略方面，在矿用排土机整体系统的划分试验基础上，提出根据系统组成参数并按功能将系统分成若干子系统的划分策略。处理该问题的关键技术是参数的分类。首先，根据工程机械图纸和明细表等现有资料，在计算机中初步自动地确定出主导变量、局部变量和作用变量。其次利用专家数据库或交互式人机对话系统，对计算机的划分结果进行修正，最终得到全面的子系统描述和相应的目标函数。整体优化策略必须在保证其划分结果的正确性前提下，以低维数简单功能系统状态进行整机的优化。 在杆系结构优化设计方面，详细研究杆系结构的连续变量和离散变量的截面、形状和拓扑优化算法，提出了分别解决连续和离散问题的两个优化算法。对于连续变量优化，作者将松弛思想、变尺度公式和梯度投影法相结合，建立了一种专门解决杆系优化问题的修正Goldfarb法，算例计算表明本法是针对性强、效率高的优化算法。离散变量优化算法是从相对差商法开始的，在详细分析相对差上法的基础上，用共轭梯度方向修正原有的搜索方向，并对算法的迭代矩阵进行相关的修改，最终形成一种用于求解离散变量优化问题的RCDQ法。修正Goldfarb法和RCDQ法吸取了隋允康教授的模型化思想和Goldfarb的优化求解思想，完美解决了相关约束和计算效率问题。 上述优化算法可以显著降低迭代次数，然而实际计算时间并没有太大的变化。优化时间主要是被结构重分析和每次优化前建立精确约束函数所占用。利用神经网络的逼近能力是解决这个问题的最有效方法。它可采用并行计算策略，将结构重分析和寻优的时间重叠进行优化。论文中建立了用于空间桁架结构分析的神经网络逼近模型，并在给定的精度下对模型进行训练，结果表明这种方法是可行的且极大地减少了优化过程中用于结构重分析的时间。