结构的优化设计历来都受到工程师的重视，因为合理的优化设计可以减少工程的造价。传统的优化设计方法对需要优化的目标函数和其所受的约束作出过多的限制，对求解实际工程中的优化问题带来诸多不便。一种新的基于群体智能的随机优化算法一粒子群优化算法在1995年被提出后，受到研究人员的广泛关注。它在求解过程中不依赖目标函数的解析性质，同时能通过对问题的解空间的多点并行搜索，以较大的概率收敛于全局最优解。本文基于传统的粒子群优化算法，提出了一种新的启发式粒子群优化算法，其特点是具有较高的收敛速度。论文首先介绍了粒子群优化算法和被动群集粒子群优化算法。这两种优化算法分别有两种类型。一种类型是适用于设计变量是连续变量的；另一种类型是适用于设计变量是离散变量的。然后，我们介绍了一种新的处理约束条件的方法一“回飞技术”。新的方法要求飞出边界条件的粒子返回原来的位置，以保持在可行区域内的种群数量保持不变。论文分析了当粒子群优化算法与“回飞技术”结合使用处理约束优化问题时的不足之处，即有效搜索次数偏低。本文将“和声搜索”优化算法生成解的新颖思想引入粒子群优化算法和被动群集粒子群优化算法中，提出了一种新的启发式粒子群优化算法。启发式粒子群优化算法将被应用到若干个经典的桁架结构截面优化设计算例中，结果表明所提出的方法具有很高的精度和很好的收敛性。最后，我们尝试将启发式粒子群优化算法应用到大跨度双层网壳结构的截面优化设计中，检验该算法实际应用的可能性。