在资源日益短缺、竞争日趋激烈的今天，如何以最低的成本、最优的质量和最快的速度为用户提供最满意的产品，已是摆在制造业企业面前的难题。显然，设计周期长、设计方案非最优的传统设计方法难以满足现代工程设计的要求。结构优化方法为工程师提供可靠、高效的方式改进结构设计，有广泛的应用背景。由于实际结构的复杂性，结构优化算法尤其是高层次结构优化算法仍然处在发展初期，它们在设计实践中的应用相对较少，所以在这一领域迫切需要取得进展。本文围绕桁架结构不同层次的优化技术展开研究，研究内容主要包括桁架结构的自动生成、桁架结构的拓扑优化算法（第二类优化问题，即最小重量优化问题）、桁架结构的形状优化算法、适于大规模多变量结构优化的近似算法和桁架结构智能优化系统的开发。具体的创新性研究如下：　　 研究了桁架结构的自动生成技术。为了便于计算机表达，提出了将桁架结构看作是图论中的一种图。利用图论的基础知识，分析了桁架结构的拓扑关系和拓扑图性质，确定了桁架结构拓扑图的表示方法。应用Delaunay三角剖分算法实现了桁架几何结构真正意义上的自动生成，提出了通过平衡矩阵的秩判断桁架几何结构的稳定性，并应用满应力法对此几何结构进行尺寸优化。此方法仅需给定离散节点，通用性强，易于计算机实现；生成的桁架结构不仅能满足工程需求，并为下一步采用进化算法进行拓扑优化提供精炼的初始结构。　　 研究了基于改进遗传算法的桁架拓扑优化。为了缩小遗传算法的搜索空间，提出了一种具有较短长度的编码方式，即采用加权邻接矩阵的上三角表示基因型个体，每条染色体中非零值表示杆件截面积，零值代表两节点问没有杆件相连。这种编码方式可同时表示桁架的拓扑形式和杆件截面积，与传统的二进制或十进制表示方法相比具有较短的长度，并且染色体的长度只与节点数目有关，可以运用标准的遗传操作算子。提出了一种初始群体的产生方式，即通过Delaunay三角剖分和随机方法产生初始群体，也就是桁架结构的初始拓扑形式，保证了初始群体的可行性和多样性。提出了基于模糊数学的惩罚系数推理系统，可以根据每代群体中违反约束个体的比例和违反程度自动地确定惩罚系数，解决了惩罚系数难以确定的难题。　　 研究了基于混沌优化算法和复合形法的桁架结构形状优化。首先，提出了一种新的计算反射点的方法，解决了传统复合形法当中心点不可行时算法重新开始从而导致算法效率过低的问题。针对混沌算法局部搜索能力差，收敛速度慢的缺点，提出了基于混沌和复合形法的混合优化方法。该算法综合利用了混沌优化算法的全局搜索能力、复合形法的局部搜索能力和混沌细搜索的小范围扰动搜索能力，具有较快的收敛速度和较好的求解精度。基于混沌和复合形法的混合优化方法不需要目标函数的导数信息和性态变量的灵敏度分析，因此可以广泛应用在复杂的工程结构优化问题。　　 总结了结构优化中常用的近似算法，重点研究了移动渐进线法(Method of Moving Asymptotes，MMA)和保守的凸可分近似算法(Conservative Convex Separable Approximation，CCSA)。推导了对偶法求解CCSA算法的重要公式，给出了具体求解过程。研究了CCSA算法在实际应用的表现特性，分析了CCSA算法在有些优化问题上运行速度较慢的原因。在分析调节参数对CCSA算法影响的基础之上，提出了算法的改进措施。　　 开发了桁架结构智能优化系统。总结了现有结构优化软件的现状，在分析这些软件存在的不足的基础之上，提出了桁架结构智能优化系统的框架和模块；研究了VC++和MATLAB的联合编程技术，并应用两个软件实现了原型系统的开发。