并联机器人机构具有刚度好、承载能力大、控制精度高、动态性能好等优点,在并联机器人和并联机床等领域具有巨大的应用前景。目前,对并联机器人机构的研究未艾方兴,本文尝试将一些先进的算法,如蒙特卡洛方法、粒子群算法、人工神经网络、差异演化算法等引入到并联机器人机构的分析与优化设计中,主要就以下方面展开研究:首先,针对并联机器人机构位置正解的多解性,设计一种可以求得全部解的共享适应度粒子群算法,为提高算法效率,结合Newton迭代法提出一种PSO-Newton算法。以某2RP&2SPS并联机器人机构位置正解问题为例,验证了该方法的有效性;其次,针对并联机器人机构工作空间求解的复杂性,研究使用蒙特卡洛方法求解并联机器人机构的工作空间的形状、大小等,同时鉴于使用蒙特卡洛方法求解并联机器人机构工作空间效率低下的缺点,提出一种使用量子粒子群优化算法训练BP网络的方法,快速有效地求解并联机器人机构的工作空间的大小,并用实例验证之;再次,在中心差异演化算法的基础上,提出一种多目标差异演化算法,用于求解多目标优化问题,为并联机器人机构进行多目标优化设计做准备;最后,研究对并联机器人机构进行多目标优化设计问题:以某3-TPT并联机器人机构为例,以工作空间最大和速度全域性能最好为目标建立多目标优化模型,并使用多目标差异演化算法进行求解。研究结果表明,使用一些先进的算法,有助于并联机器人机构的理论分析、设计、推广应用等,是一个值得继续研究的方向。同时,本文提出的一些算法具有很强的适用性,可以应用于求解其它类似问题。