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化數學模型， 探討了各種尋優算法的優劣及約束問題的處理方法， 并結合MATLAB 語言將遺傳算法應用于該主框架優化設計中。結果表明， 遺傳算法對閘門優化設計是有效的、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、多群體同時優化方法。經過20 多年的發展， 遺傳算法已經在數據挖掘、生產調度、函數優化、機器學習、圖像處理等領域得到成功的應用， 并顯示出其良好的性能。本文利用遺傳算法在函數優化方面的應用特點， 對弧形閘門主框架的結構優化進行探討。

　　搜索最優解的方法， 據不完全統計目前已超過300 多種，大概可以歸納為3 類： 數學規劃法、最優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。目前數學規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（ SUMT） ， 如懲罰函數法、乘子法等; 另一種是線性近似技術，如序列線性規劃法、序列二次規劃法、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值不使用導數信息的直接法， 如復合形法、可變容差法、隨機試驗法等。

　　為評價數學規劃法中各種算法的優劣， 不少學者采用統一考題對主要算法和相應軟件進行了數值試驗比較。近年KSchittkowske 與C Zillober 還應用基于有限元分析的結構優化程序通過79 個考題對主要幾種非線性規劃算法進行了考核，結果表明在效率與健壯性方面較好的是序列二次規劃法。