结构优化设计可分为由易到难的三个层次:尺寸优化、形状优化和拓扑优化。同时考虑以上三个层次的结构优化设计被称为布局优化设计。相较于结构尺寸和形状优化设计,结构拓扑和布局优化设计被认为更具优化效率也更有挑战性,是当前结构优化领域中的热点问题。超轻杆系结构在航天工程领域的应用前景广泛,而工程参照又相对匮乏,在此类结构优化问题中包含拓扑优化层次显得尤为迫切。因此,本文致力于研究杆系结构的拓扑和布局优化设计,主要内容包括:演化算法一般是为求解无约束优化问题而设计,而杆系结构优化设计均为约束优化问题,在杆系结构优化设计中应用演化算法,需引入罚函数法来构造结构性能指标的伪适应度函数方程。本文基于两种尖端演化算法和自适应罚函数法分别构造了两种混合演化算法:?-CMA-ES算法和FEPSO-AP算法,数个典型算例验证了这两种混合算法在求解复杂杆系结构优化问题时均具备较强的寻优性能。含0-1拓扑变量的杆系结构拓扑优化设计是一个困难问题,而以往的研究对其困难性缺乏定量认识。针对这一问题,本文建立了杆系结构拓扑的图论模型,研究了杆系结构拓扑在典型设计域中的分布情况。在此基础上,建立了杆系结构拓扑突变的马氏链模型,分析了基于演化算法的杆系结构拓扑迭代过程。迭代收敛率分析结果显示,若不考虑结构拓扑变量与结构尺寸、形状变量之间的耦合性,在杆系结构优化设计中引入独立的0-1拓扑变量时可处理问题的规模相当有限。为求解多类型约束下的杆系结构奇异最优解问题,提出了一种渐进式杆件删除判定方法(ERDD),该方法可基于尺寸演化信息实现杆系结构拓扑重构。不同于传统基结构法,ERDD不在被优化结构中引入微小截面单元,可在演化算法的引导下适时修正基结构拓扑,从而避免因微小截面单元带来的搜索域奇异问题。数个典型算例表明,ERDD可以简洁而高效地处理杆系结构奇异最优解问题。为拓展基结构法的拓扑表达范围,提出了一种渐进式节点合并算子(ENCO)。该算子首次建立了结构拓扑变量和形状变量之间的映射关系,实现了基于形状演化信息的杆系结构拓扑重构。ENCO的核心策略在于识别并删除长度退化的杆件和关联节点,而且相关操作是可逆的。数个典型算例表明,在同等设计条件下,ENCO可显著提升杆系结构布局优化的设计质量。为求解拓扑未知的杆系结构布局优化问题,提出了一种杆系结构拓扑表达方法:结构矢量化方法(VSA)。该方法所指的结构矢量由结构尺寸和形状变量组成,而结构拓扑变量基于特定策略被嵌入其中,从而实现了结构完全信息的矢量化表达。通过联合VSA和演化算法,可以实现杆系结构的非基结构建模和布局优化。本文以两类典型结构布局优化问题演示了VSA的可行性,并通过一个典型航天工程算例验证了该方法可成为求解拓扑未知杆系结构布局优化问题的有效手段。