人工神经网络和遗传算法是结构优化设计领域内应用较为成功的两种智能算法。本文在对复杂结构(包括结构的拓扑和约束两个方面)优化设计问题的研究中，提出了以人工神经网络和遗传算法为智能计算主体的复杂结构智能重分析技术。 复杂结构智能重分析技术是建立在结构有限元和实验分析理论基础上，以对原型或相似模型试验结果的回归分析来简化结构约束并确定约束变量取值，以结构力学特性和产品系列化思想为指导对结构复杂拓扑参数化为有限的结构变量，从而建立满足计算硬件受限的结构优化设计模型；借助多隐层前馈型神经网络对多输入多输出的高度非线性函数的逼近能力来描述结构在荷载作用下的响应，即结构优化设计问题；利用遗传算法的内在并行性和高效性来解决在多维度解空间中的搜索问题，并将描述结构优化设计问题的韵神经网络模型融于其适应度函数中，而将神经网络的多输出值综合成一个在解空间。尽可能与其优劣性一致的综合适应度值；最后用正交试验方法建立样本集，以满足训练检验神经网络和遗传算法初始种群的要求，从而解决神经网络和遗传算法的应用基础问题：在此基础上构造具体优化设计问题的综合适应度函数和设置遗传算法的各项参数并进行遗传操作得到优化设计问题的最优解群，进而用完整的结构重分析技术(结构有限单元法)以及综合考虑各相关因素从最优解群中进行选择和修正得到一组有效的设计值，从而有效地解决复杂结构的优化设计问题。 文中进一步应用此技术，并结合MALTAB和ANSYS等软件对具有21个设计变量(其中19个结构变量和2个约束变量)的橡胶注压成型机主要结构部件锁模模板进行优化设计，在满足应力和变形等条件下，使结构自重减轻23.4﹪。从而验证这一技术的可行性和优越性，并预示其良好的工程应用前景。