桁架结构具有质量轻、材料利用率高、承载能力强、制作简便、施工方便、装配性良好、可重复利用等优点，故被广泛应用于工程结构中，对其进行优化设计也显得尤为重要。由于工程实际中遇到的问题越来越复杂，传统的优化方法难以适应，因此对具有启发式特征的计算智能方法的研究越来越活跃。蚁群算法是优化领域中一种新型模拟进化算法。它是一种结合了分布式并行计算、正反馈机制和贪婪式搜索的算法，具有很强的搜索较优解的能力。但搜索时间较长、容易出现停滞现象是其缺点。本文引用具备较快全局搜索能力的粒子群算法对其改进，加快前期搜索速度，跳出局部最优，形成改进的蚁群算法。将其成功应用到桁架结构的优化设计中，并与遗传算法、粒子群等其他算法对比。本文的主要工作有以下几个部分：（1）利用PSO算法和ACO算法的特点，提出基于PSO算法的改进ACO算法，并设计了该改进ACO算法的运算流程图。首先利用PSO算法较强的全局搜索能力，产生各粒子的最优位置值，然后ACO算法对找出的最优位置做进一步调整；（2）解决桁架优化问题中的截面优化问题。采用Matlab7.0编制了结构优化程序。通过对典型的平面10杆桁架的分析，验证了本文所提出的改进ACO算法在桁架结构的优化设计中是可行的，并对72杆空间桁架在多工况作用下具有应力及位移约束的优化问题进行了研究。（3）解决桁架优化问题中的形状优化问题。主要包活两个方面：首先，同时考虑桁架的杆件截面和节点位置两种设计变量，采用两种设计变量藕合的方法，克服了传统的分层法求解困难且不能得到全局最优解的弱点；其次，解决了具有动态约束的结构优化问题，实现了带有局部稳定性约束的桁架形状优化设计。通过算例分析并与己有的文献比较，结果表明改进的ACO算法能很好的解决桁架形状优化问题。本文通过对PSO算法和ACO算法的结合提出改进的ACO算法，并将其成功应用到桁架结构的优化设计中，得到结构最好的截面和形状，从而提高了桁架的整体刚度，同时降低了工程造价。所以本课题的研究意义在于提出一种可行的优化方法，使其能广泛应用于实际工程，并产生较为明显的经济效益。