针对日益改进的本构模型及其带来的模型参数日益增多的问题,当前在选择何种本构模型来解决岩土工程问题上尚缺乏细致深入的研究。为此,基于优化算法理论,结合试验规律及数值模拟计算,深入研究了岩土本构的参数识别和模型选择方法,并提出了高效的模型及参数优化识别流程。首先进行现有优化方法在处理岩土工程优化问题上的对比研究,选定了较为稳健的遗传算法作为主要优化方法。然后在经典遗传算法框架下,引入一个新的交叉算子杂交策略,提出了基于实数编码的改进遗传算法（Real-coded genetic algorithm,RCGA）。接着应用新改进的RCGA,提出基于物理特性指标的重塑土的压缩指数（C_c）进化多项式回归模型（EPR）;提出仅基于常规室内试验的结构性软黏土的本构参数优化识别方法;提出基于常规室内试验的砂土模型参数的优化识别及模型优化选择识别的方法。本研究的主要内容和创新成果如下:1)现有优化方法在同一岩土工程问题上的对比分析选择现有5种常用优化算法（遗传算法GA、模拟退火算法SA、粒子群算法PSO、进化差分算法DE和蜂巢算法ABC）,分别应用于旁压试验和基坑开挖的参数反演问题,对摩尔库伦参数进行了优化识别。通过比较不同算法的搜索能力和收敛速度以及算法的泛应用性,最终选定遗传算法作为本论文的基本优化方法。2)新的实数编码遗传算法RCGA采用含有两个交叉算子的杂交策略,提高了遗传算法的搜索能力;采用高效的变异算子,进一步保证了遗传算法种群的多样性;采用局部搜索算子,提高了算法的收敛速度。针对此新的RCGA,通过优化数学基准测试函数、砂土本构参数识别以及黏土本构参数识别,验证了新开发RCGA算法的优越性。3)压缩指数的进化多项式回归（EPR）模型结合改进RCGA,应用EPR技术研究了压缩指数和物理特性指标之间的回归关系。选用三个基本的相关变量:初始孔隙比e₀、液限w_L以及塑性指数I_P,对重塑黏土的压缩指数进行了EPR模型构造,提出了一个预测精度很高的压缩指数的EPR模型。4)结构性软黏土的参数优化识别应用新开发的RCGA,结合一个弹黏塑性本构模型,对结构性温州黏土的弹黏塑性本构模型参数进行了参数识别。目标试验仅采用三个标准的室内三轴不排水剪切试验。通过试验测量和试验模拟对最优参数进行了验证,结果表明不仅所提出的优化流程非常可靠,而且所得参数也非常合理。5)砂土模型选择和参数优化识别应用新开发的RCGA,选取了4个砂土本构模型:摩尔库伦（MC）、非线性摩尔库伦（NLMC）、基于临界状态的非线性摩尔库伦（CS-NLMC）以及基于临界状态的双面模型（CS-TS）,对砂土模拟中所需的必要本构特征进行了讨论和选择。然后选取CS-NLMC模型,对参数识别中目标试验的类型、最少个数以及最小应变水平进行了讨论。