随着科学的发展和社会的进步,特别是计算机的迅速发展,人们对高效的优化设计技术和智能计算的要求日益迫切。结构优化设计理论已有近四十年的发展历史,很多优化算法已相当成熟。近些年,一种新的优化方法——遗传算法(简称GA)正迅速发展,该算法根植于自然进化与遗传机理,是用于模拟自然界的自适应现象,具有不依赖于问题模型的特性、全局最优性、隐含并行性、高效率及解决不同非线性问题的强鲁棒性等优点。本文主要做了以下研究内容:(1)本文对遗传算法的基本概念、理论及其在结构优化设计应用中的相关内容进行了分析和综合。对遗传算法应用于结构优化设计的数学建模、约束条件处理、初始种群的产生及遗传算法控制参数的选择等几个关键因素作了分析和研究。(2)本文针对简单遗传算法具有“收敛早熟”、局部搜索能力差等缺点,提出了改进的遗传算法,让初始群体不止一个,使初始群体多样化,这样可以避免出现早熟现象,提高优化质量和效率。(3)本文利用遗传算法对结构进行优化时,将ANSYS作为有限元结构分析工具,替代人工编制的有限元程序。将遗传算法优化程序与结构的有限元分析程序结合起来,在这两个程序中进行数据传递。这样,遗传算法与ANSYS结构分析软件相结合能大大节约结构优化问题的求解时间,提高计算结果的可靠性。(4)本文将遗传算法与ANSYS相结合,对两种典型结构进行最优化计算,计算结果表明此方法正确、可行,能充分发挥ANSYS与遗传算法两者的长处,具有优化效率高、效果好、实用性强等优点。