针对目前变压器优化设计周期长、效率低与制造成本高等问题，采用了一种改进的遗传算法（IGA

improved genetic algorithm）—混沌自适应遗传算法（CAGA

chaotic adaptive genetic algorithm）对变压器的参数进行优化。该算法结合了混沌遗传算法（CGA

chaos genetic algorithm）与自适应遗传算法（AGA

adaptive genetic algorithm）各自的优点，将混沌序列、自适应遗传算子与精英策略引入传统遗传算法（SGA

simple genetic algorithms）中，有效地解决了SGA中种群多样性不足与易陷入局部最优问题。以SCLBH15-315/10三相非晶合金干式变压器（非晶干变）为优化设计对象，将变压器主材成本作为优化目标函数，分别采用SGA与IGA(CGA、AGA、CAGA)对非晶干变进行优化设计。实例优化数据分析表明，与原始设计方案相比，SGA与IGA能有效降低非晶干变主材成本并改善其损耗性能。在SGA与IGA中，CAGA优化效果最佳，寻优空间大、速度快，且收敛性强；与原始设计方案相比，CAGA能使非晶干变的主材重量下降11.55%，成本节约12.62%。