结构的优化设计是相对于传统的结构设计而言的,它是设计者根据设计要求,利用最优化理论和电子计算机等现代化手段,在可行解区域内计算出若干个方案,并按照预定的目标和要求,从中选出一个最优方案的设计方法。实际的结构优化问题是一个极其复杂的过程。设计的过程中不但要对结构进行细致的分析,建立合理、有效,并适合于求解的优化数学模型,还要应用优化方法进行求解并对优化的结果进行合理的评价与修正。从理论上讲,优化设计希望能找到全局最优方案,至少也是一个局部最优的方案。遗传算法是近年来在计算机科学领域和优化领域中受到广泛关注的一种模拟生物进化理论的仿生学算法。由于其具有较强的鲁棒性和全局搜索能力,因此能够有效地解决实际工程中的许多复杂的优化问题。然而由于实际工程问题的复杂性,结构优化设计的数学模型往往是比较复杂的,计算工作量相当大,为了提高计算效率和节省计算机存储空间,往往要求在小规模的样本空间中进行遗传算法寻优。这样带来的问题是限制了群体的多样性,也就降低了遗传算法的全局搜索能力。为了能在样本有限的环境中实现遗传算法,本文提出了在小生境环境下采取大变异操作的新的遗传算法理论和方法,不仅保证了群体的多样性,又避免了样本的“早熟”,增强了算法的运行效率和质量。最后,本文在大型有限元分析软件ANSYS平台上利用其参数化设计语言APDL设计和实现了这一新的遗传算法,并成功运用于某水工弧形钢闸门的优化设计中,取得了十分理想的结果,证明了该算法的有效性,为实际工程中的复杂大型结构的优化设计探索出了一条新路子。