蚁群算法是优化领域的一种极具潜力的新兴智能算法,具有出色的搜索寻优能力、较强鲁棒性和易于其他算法融合等优点,其缺点是迭代缓慢、易陷入局优。对蚁群算法的原理和在结构优化中的应用模型进行了综述。针对蚁群算法的本身缺陷和结构优化设计应用的特点,从路径选择方式、信息素更新方式以及信息素浓度控制三方面改进了算法,并且添加局部搜索,通过信息素的动态区块更新策略和整体缩减调整策略的结合实现算法的阶段性搜索。基于改进蚁群算法,构建桁架结构优化模型。以十杆平面桁架为优化算例,测试并验证了改进蚁群算法的优越性能以及在结构优化设计中的适用性和有效性。研究表明:改进蚁群算法得到了更优异的优化结果,相比遗传算法提升了2.17%和1.18%;相比融合局部搜索的MMAS算法提升了近1%,且迭代次数仅为其9.61%。基于改进蚁群算法,以结构位移作为性能指标,构建结构抗震优化模型。且论述并通过两框架模型的分析计算结果与试验数据的比对验证了一种Pushover分析方法用于优化过程中的结构抗震性能分析。以三层四跨框架模型和九层五跨框架模型作为结构抗震优化算例,实现了改进蚁群算法在基于性能的抗震优化设计中的具体应用。研究表明:Pushover分析结果与试验数据具有较好的契合度,最大相对误差分别为13.94%和12.17%,Pushover分析方法和程序可靠,且可有效分析得到结构变形曲线和构件各节点的弹塑性状态。三层四跨抗震算例中,相比之前研究中的ACO和GA算法,改进蚁群算法在求解质量上分别提升了1.71%和10.03%,在求解时间上仅为两算法的22.69%和13.01%;九层五跨算例中,又在求解质量上分别提升了4.25%和10.96%,在求解时间上仅为两算法的55.16%和33.57%。两项应用不仅证实了改进蚁群算法在结构优化设计上的适用性和有效性,为结构优化设计提供了一种可行方法;也表明其具有求解质量高、稳定性好、求解收敛速度快、寻优效率高等优点;各项改进在提升算法搜索效率和求解速度上作用显著,二阶段搜索策略通过针对性地缩小搜索范围大幅度地促进了算法搜索寻优的效率。