簡(jiǎn)要介紹了遺傳算法的基本原理， 建立了弧形閘門(mén)主框架優(yōu)化數(shù)學(xué)模型， 探討了各種尋優(yōu)算法的優(yōu)劣及約束問(wèn)題的處理方法， 并結(jié)合MATLAB 語(yǔ)言將遺傳算法應(yīng)用于該主框架優(yōu)化設(shè)計(jì)中。結(jié)果表明， 遺傳算法對(duì)閘門(mén)優(yōu)化設(shè)計(jì)是有效的、可行的。

　　遺傳算法（ Genetic Alg orithm， 簡(jiǎn)稱(chēng)GA） 是一種借鑒生物界自然選擇和自然遺傳機(jī)制的高度并行、隨機(jī)、自適應(yīng)搜索算法。它是模仿自然界生物進(jìn)化過(guò)程中/ 物競(jìng)天擇， 適者生存0 的原理而進(jìn)行的一種多參數(shù)、多群體同時(shí)優(yōu)化方法。經(jīng)過(guò)20 多年的發(fā)展， 遺傳算法已經(jīng)在數(shù)據(jù)挖掘、生產(chǎn)調(diào)度、函數(shù)優(yōu)化、機(jī)器學(xué)習(xí)、圖像處理等領(lǐng)域得到成功的應(yīng)用， 并顯示出其良好的性能。本文利用遺傳算法在函數(shù)優(yōu)化方面的應(yīng)用特點(diǎn)， 對(duì)弧形閘門(mén)主框架的結(jié)構(gòu)優(yōu)化進(jìn)行探討。

　　搜索最優(yōu)解的方法， 據(jù)不完全統(tǒng)計(jì)目前已超過(guò)300 多種，大概可以歸納為3 類(lèi)： 數(shù)學(xué)規(guī)劃法、最優(yōu)準(zhǔn)則法和仿生學(xué)方法。對(duì)于非線性問(wèn)題， 雖然方法很多， 但還沒(méi)有一種通用的成熟方法， 這主要是非線性形式多樣、程度不一的原因。目前數(shù)學(xué)規(guī)劃法中的方法大致有如下幾種： 一種是序列無(wú)約束極小化技術(shù)（ SUMT） ， 如懲罰函數(shù)法、乘子法等; 另一種是線性近似技術(shù)，如序列線性規(guī)劃法、序列二次規(guī)劃法、割平面法等; 第三種是探討在約束邊界處搜索的可行方向法， 如可行方向法、梯度投影法、廣義簡(jiǎn)約梯度法等; 最后一種是只利用函數(shù)值不使用導(dǎo)數(shù)信息的直接法， 如復(fù)合形法、可變?nèi)莶罘ā㈦S機(jī)試驗(yàn)法等。

　　為評(píng)價(jià)數(shù)學(xué)規(guī)劃法中各種算法的優(yōu)劣， 不少學(xué)者采用統(tǒng)一考題對(duì)主要算法和相應(yīng)軟件進(jìn)行了數(shù)值試驗(yàn)比較。近年KSchittkowske 與C Zillober 還應(yīng)用基于有限元分析的結(jié)構(gòu)優(yōu)化程序通過(guò)79 個(gè)考題對(duì)主要幾種非線性規(guī)劃算法進(jìn)行了考核，結(jié)果表明在效率與健壯性方面較好的是序列二次規(guī)劃法。