簡要介紹了遺傳算法的基本原理， 建立了弧形閘門主框架優(yōu)化數(shù)學模型， 探討了各種尋優(yōu)算法的優(yōu)劣及約束問題的處理方法， 并結(jié)合MATLAB 語言將遺傳算法應用于該主框架優(yōu)化設計中。結(jié)果表明， 遺傳算法對閘門優(yōu)化設計是有效的、可行的。

　　遺傳算法（ Genetic Alg orithm， 簡稱GA） 是一種借鑒生物界自然選擇和自然遺傳機制的高度并行、隨機、自適應搜索算法。它是模仿自然界生物進化過程中/ 物競天擇， 適者生存0 的原理而進行的一種多參數(shù)、多群體同時優(yōu)化方法。經(jīng)過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、機器學習、圖像處理等領(lǐng)域得到成功的應用， 并顯示出其良好的性能。本文利用遺傳算法在函數(shù)優(yōu)化方面的應用特點， 對弧形閘門主框架的結(jié)構(gòu)優(yōu)化進行探討。

　　搜索最優(yōu)解的方法， 據(jù)不完全統(tǒng)計目前已超過300 多種，大概可以歸納為3 類： 數(shù)學規(guī)劃法、最優(yōu)準則法和仿生學方法。對于非線性問題， 雖然方法很多， 但還沒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)學規(guī)劃法中的方法大致有如下幾種： 一種是序列無約束極小化技術(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、廣義簡約梯度法等; 最后一種是只利用函數(shù)值不使用導數(shù)信息的直接法， 如復合形法、可變?nèi)莶罘ā㈦S機試驗法等。

　　為評價數(shù)學規(guī)劃法中各種算法的優(yōu)劣， 不少學者采用統(tǒng)一考題對主要算法和相應軟件進行了數(shù)值試驗比較。近年KSchittkowske 與C Zillober 還應用基于有限元分析的結(jié)構(gòu)優(yōu)化程序通過79 個考題對主要幾種非線性規(guī)劃算法進行了考核，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。