随着社会的不断发展,经济的进步,人类已越来越意识到资源的合理配置、效率提高的重要性,“优化设计”这个词语已在各个领域上到处可见。也正是人们对“优化设计”的这种需求,给“优化设计”这一门学科带来了新的发展,同时也对其提出了更高的要求。本文首先阐明了线性规划、非线性规划问题的一些基本原理及相应的求解方法,然后在此基础上对这些算法提出了一些改进。对于线性规划问题,指出了由退化引起死循环的原因,并提出了一种新单纯形算法。其思想是从任一可行基出发,求约束条件Ax =b所对应的齐次方程组的特定基础解系,沿该基础解系中在步长不为零的条件下使目标函数最速下降的可行方向,得到下一可行解。实例验证其收敛速度及稳定性要优于一般的“最大检验数法”,并可用于退化问题。对于非线性规划问题,首先介绍了惩罚函数法、约束变尺度法、遗传算法的基本原理。然后对惩罚函数法引入了一种自适应惩罚因子,将约束问题转化为无约束问题,通过遗传算法求得无约束问题的可行解,再将此解作为约束变尺度法的初始可行点,由约束变尺度法得到精度较高的解。数值实验表明该混合算法比单纯使用遗传算法效率要高,而且在多数情况下能得到全局最优解。