随着人们对材料非线性行为认识程度的逐步加深,非线性对力学分析结果的影响越来越受到重视,材料非线性模型的研究已成为国内外力学工作者的一个热门话题。近几十年来发展起来的基于实测值的反分析方法已成为研究的重要手段,在各工程领域都得到广泛应用,取得了丰硕的成果。然而,由于实际工程材料变形破坏机理的极其复杂性,现有的模型辨识方法还存在着难以克服的困难,还有许多工作要做。本文引入进化的思想,利用遗传算法和遗传规划的全局优化搜索技术,进行了材料非线性模型识别的进化方法研究,主要研究内容及研究成果可概括如下。利用遗传算法全局寻优的功能,结合非线性力学分析方法和有限元方法,提出了材料非线性本构模型中参数的进化识别算法,模仿生物进化的过程,通过一组试验解的遗传进化得到自适应地调整,对模型中的参数进行全局空间的识别。解决了一般拟合方法和传统参数辨识方法容易陷入局部最小的问题。对遗传规划算法进行了改进,提出了一种与遗传算法耦合的结构和参数耦合进化方法,在对问题只有定性认识的情况下,从问题的定性构造集出发,构造问题解的包括结构参数和模型参数的进化描述通式,通过进化对解的结构和参数进行全局空间的共同识别。该方法不需要事先确定最终解的结构和大小,大大推广了进化算法在工程实践中的应用。基于上述的结构和参数耦合进化方法,结合非线性力学分析方法提出了材料非线性本构模型结构和参数的耦合进化识别算法,在对材料复杂的变形破坏机理理解不清的情况下,构造一个无限模型解集合,从其中的一组试验解开始,通过遗传进化,主动调整自身的结构以获得对问题更满意的解,形成一个动态的自适应过程,对模型的结构和参数进行全局空间的共同识别。解决了传统模型辨识方法只能对少数有限个模型试验解进行鉴别的局限性。多因素影响下的工程介质构成的是一个复杂的力学系统,精细的数值模拟具体实施起来是十分困难的,建立其等效的经验计算公式是解决问题的一个好途径。基于上述的结构和参数耦合进化方法,提出了复杂力学系统经验分析模型的进化识别算法,从成功的工程计算实例出发,对模型的结构和参数进行共同识别。开发了实现上述算法的可视化软件系统,对材料非线性模型识别中存在的多表达、多参数“组合爆炸”优化问题,建立了可视化并行环境,实现了算法的并行计算方法,可以进行大规模并行搜索,提高了算法的性能。