结构优化设计迄今已有近百年的历史。在最近的四十年内，无论从其理论、算法还是在应用方面，结构优化设计都取得了很大的进展。特别是近年来遗传算法在结构优化设计领域的广泛应用，更使得结构优化设计水平达到一个新的高度。 遗传算法是一种模拟自然界生物进化的搜索算法，由于它简单易行、鲁棒性强，尤其是不需要专门的领域知识而仅用适应值函数作评价来指导搜索过程，因而成为近年来在优化领域中受到广泛关注的一种新型智能优化方法。但是在利用遗传算法进行结构优化设计时，常常存在早熟收敛和收敛性能差等问题。很多学者和研究人员都尝试采取各种措施来改进遗传算法，其中，近年来出现的免疫算法为改进遗传算法的上述缺陷提供了一条新途径。 本文尝试利用免疫算法的相关理论对遗传算法进行改进，并将改进后的算法应用到土建结构优化设计当中。为此，本文做了如下工作： 1．首先介绍了遗传算法的原理，分析了其缺陷及产生原因，进而根据生物免疫系统的抗原识别、保持抗体的多样性和免疫记忆的特性，将免疫算法引入到遗传算法中。这样就构成了一种混合优化算法——免疫遗传算法，它通过免疫算法中的浓度调节机制对抗体进行促进和抑制，这样既保留了进化种群中的较优抗体又保证了抗体的多样性，从而避免遗传算法在进化过程中的过早收敛问题。本文采取了一种基于抗体矢量距的浓度构成方式，对选择概率进行了改进；此外本文还对遗传算法中的交叉和变异概率进行了自适应调整，进一步提高了算法的效率和性能。 2．其次对结构优化问题中的约束条件和离散变量问题提出了相应的处理方法：采用一种直接比较比例法(DCPM)对约束条件进行处理；采用计算适应度的个体与进化个体相分离的方法来处理离散变量和整型变量。 3．然后综合上述改进，应用免疫遗传算法对经典的De Jong优化测试函数和几类有约束优化问题分别进行了数值测试，并与其他算法的运算结果进行比较，分析结果表明，本文的免疫遗传算法具有较强的全局寻优能力、较高的稳定性和计算效率。 4．最后将本文的免疫遗传算法结合杆系结构有限元分析原理，分别对土建结构中常见的桁架结构和框架结构进行了优化设计。并且将本文算法得到的优化结果同基本遗传算法的优化结果进行了对比，分析表明本文免疫遗传算法相比基本遗传算法有着更好的收敛特性，迭代次数减少，优化设计结果也好于基本遗传算法。因此，本文算法用于此两类结构的优化设计是可行的和高效的。