结构优化设计的理论和方法近30年来得到了迅速的发展，但大多数的研究都是针对连续变量的，离散变量结构优化设计的专著比较少。在实际工程结构设计中，经常遇到设计变量是离散值的情况，因此，建立适用于离散变量结构优化设计的算法很有工程实用价值。 近年来遗传算法和模拟退火算法已经证明是离散变量结构优化设计的有效方法。遗传算法是基于自然群体遗传演化机制的多点搜索的优化方法，提供了解决复杂系统问题的通用框架，全局搜索能力强，应用于许多学科。但是遗传算法存在局部寻优能力不强，容易陷入早熟，迭代过程缓慢等缺点。本文针对基本遗传算法的不足提出了对遗传算法的改进措施：用Hamming距离控制初始种群的个体差异，有效地避免出现早熟收敛现象；设置最优个体储存站，自动保存进化过程中的优良个体；在搜索过程中，针对遗传算法的交叉和变异概率引入了随适应度自适应的交叉和变异方法。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法，算法的局部寻优能力强，但是因为对整个搜索空间的状况了解不多，从而算法的运行效率较差。 遗传算法、模拟退火算法都是随机搜索方法，在处理全局优化、离散变量、多连通可行区等困难问题中，具有传统结构优化算法不可比拟的优势。本文针对遗传算法和模拟退火算法的特点，取长补短，结合而成一种混合遗传算法——遗传模拟退火混合算法。这种改进后的混合算法即发挥了遗传算法全局搜索能力强的特点，也保留了模拟退火算法局部寻优效果好的优点。算例结果表明，这种改进的混合算法对于离散变量结构优化设计是有效的。改进的遗传算法优于基本遗传算法，而遗传模拟退火混合算法则优于基本遗传算法和模拟退火算法。 本文根据现行规范的思想，应用混合遗传算法对框架结构在指定抗震设防水平下的最小造价进行了优化设计，设计了框架结构的梁、柱指定设防烈度下的优化数学模型，为拓宽遗传算法的应用领域进行了有效的探索。