渐进结构优化法(ESO)是基于一个简单概念提出的一种方法,即可以通过在设计上逐渐消除无效材料而实现最优化结构(具有最大刚度和最轻重量)。一般而言,ESO的结果很可能是局部最优化,而不是整体最优化。将遗传算法(GA)与ESO相结合,形成一种新的算法,即遗传渐进结构优化法(GESO),考虑了GA在整体优化计算方面的优势。在GESO方法中,有限元分析的每个单元都是一个独立的个体,依据其敏感系数的量级,都具有各自的适合值,所有要素初步构成遗传算法的范围,经过多次计算,未删除的单元将会收敛到最佳结果。与ESO相比,这将更有可能成为一个整体性的优化方法。为了避免错过结构的最佳布局,在GESO中引入一个临时厚度。具有重量限制的刚度优化和具有位移限制的重量优化作为计算案例对GESO与ESO的有效性进行研究对比。结果表明,GESO方法在整体优化方面更有效,而且与ESO和其他现行方法相比计算量较小。