本文对组合形算法进行改进：引入顶点冗余度这个概念，以保持组合形顶点的多样性。对基本遗传算法提出了若干改进措施：采用格雷码编码方法；采取最优个体保存、最差个体替换策略等。在简单遗传算子中加入了组合形算子形成组合形遗传算法，组合形遗传算法发挥遗传算法全局性好的优点，同时又防止发生早熟现象。 本文提出了离散变量模糊优化的理论和解法。在这部分工作中，建立了离散变量模糊优化的数学模型；采用模糊极小集法将清晰目标模糊化；提出了约束的模糊允许区间、离散设计空间的模糊可行区域、目标的优越度和约束的满足度等概念；考虑了在优化决策时各约束的相对重要性问题；给出了约束满足度的具体表达形式：构造了离散变量模糊优化的对称解法。本文使用组合形遗传算法进行离散变量模糊优化的求解。 综合比较、分析优化结果，得出结论：改进后的遗传算法与组合形算法组成的组合形遗传算法的优化结果相当理想，效果令人满意；运用组合形遗传算法来求解离散变量的模糊优化，结果令人满意。 使用C++Builder 6.0软件编制了离散变量结构优化设计和混合遗传算法的程序软件，其中包括结构分析程序(SAP)、组合形算法(MDCP)、简单遗传算法(GA)、组合形遗传算法(HGA)、离散变量模糊优化的组合形遗传算法(FGA)等。