结构优化一直以来都是结构优化设计中的研究热点,在传统优化方法不能实现复杂结构优化的情况下,越来越多的智能算法被引入结构优化领域,其中主要有遗传算法和粒子群算法。本文将一种新的智能算法—群搜索算法(GSO)引入结构多目标优化设计,GSO编码容易,收敛速度快,计算效率高,对于高维变量优化的问题有明显优势。本文在群搜索算法和多目标群搜索算法(MGSO)的基础上,分析了群搜索算法在多目标优化上的应用性能。针对MGSO算法中不足的地方,提出了一种适合求解有约束多目标优化问题的Pareto群搜索优化算法(CMOPGSO),并给出了算法流程图,最后将其用于多个桁架结构的多目标优化设计。本文提出的CMOPGSO算法与MGSO算法相比主要有三点改进：第一,算法在处理约束方面引入了过渡可行域的概念并设立了可行解“过滤器”使得最后的Pareto最优解都是可行解；第二,构造非支配解集时采用庄家法可以有效地减少对比的次数,降低算法的时间复杂度；最后,在发现者的选取方面,采用聚集距离机制和禁忌搜索算法混合的方法来选取发现者,避免了解集过早陷入局部最优,并提高了收敛精度。经过算例验证,说明此方法可以有效地改善解集的分布性将CMOPGSO算法应用于实际工程结构进行多目标优化设计,分别进行了3个桁架结构静力多目标优化和4个桁架结构动力多目标优化,并对所得结果进行了详细分析。计算结果表明,CMOPGSO算法能快速收敛到较好的非支配解,且解集的分布性都有较好的保证,尤其在计算复杂、多约束的情况,CMOPGSO算法的优越性更加明显。