随着产业转型升级的深入推进,中国正从制造大国向制造强国迈进,高端制造业对产品设计方法提出了更高的要求。结构优化设计是先进制造中数字化设计的核心组成部分,能在给定设计域内根据设计需求自动搜寻出满足要求的高性能结构,对提高设计效率与质量有着重要意义。当前制造企业的结构设计方案一般采用CAD软件进行产品几何构型设计以及使用基于有限元法的CAE软件进行产品性能分析,CAD与CAE模型表达不同,需要模型转换。结构优化设计过程涉及CAD几何造型、CAE性能分析、优化迭代搜索等环节,存在模型交互繁琐、大规模计算效率低、迭代收敛慢等瓶颈问题。为了提高结构优化设计的效率,本文提出了一系列高效的结构优化方法。论文的具体工作如下:（1）针对计算效率低和迭代收敛慢问题,提出了三重加速拓扑优化方法。该方法由多层网格,基于初值重用的预处理共轭梯度法和局部更新策略三部分组成,分别从三个方面（包括缩减网格规模,加快方程组求解以及减少设计变量）对拓扑优化进行加速,能够多方面降低拓扑优化的计算时间。随着网格规模的增加,其加速比更为明显,证明其在大规模问题中具有显著加速效果,并通过多个经典算例验证所提出的方法的效率和精度。（2）采用了等几何分析框架取代有限元法实现了等几何拓扑优化。等几何分析直接基于CAD精确模型进行结构性能分析,可避免产品设计中因设计与分析模型差异引起的繁琐交互,从源头上消除几何误差,提高分析精度。针对等几何分析的特点,在减小网格规模,加速方程求解和减少更新的设计变量这三方面上做了改进,使得三重加速方法成功应用到基于NURBS控制点的等几何拓扑优化中,进一步提升了等几何拓扑优化效率。（3）提出了结合神经网络的高效等几何形状优化框架。利用神经网络学习拟合拉胀结构的几何参数和材料力学性能之间的非线性本构关系,并根据此本构拟合函数进行形状优化,代替了复杂耗时的等几何均匀化计算,避免了等效属性的仿真计算过程。基于形状优化框架提出了基于神经网络本构拟合函数的反设计优化模型,可高效实现结构等效力学属性的可编程设计。综上所述,本文以高效结构优化设计为目标,开展面向大规模拓扑优化问题以及复杂构型形状优化设计的算法研究。从优化算法本身与机器学习两方面探索提高优化效率的方法,形成了一套集设计、分析、优化一体化的高效等几何结构优化方法,突破了当前结构优化CAD/CAE模型交互繁琐、大规模求解效率低、优化迭代收敛慢等瓶颈问题,为新一代具有国产自主知识产权的设计优化软件系统研制提供理论支撑,为提升企业设计能力、推动制造业升级提供有力支持。