在机械设备设计中，常见的优化算法包括：

1、遗传算法：模拟生物进化过程，通过遗传、变异和选择等操作来搜索更优解。可用于优化设计参数，如材料选择、尺寸确定等，能够同时考虑多个设计变量，并在设计空间中进行全局搜索，避免陷入局部更优解。

2、粒子群优化算法：基于群体智能理论，模拟鸟群或鱼群的行为。通过粒子之间的协作和信息交流来寻找更优解，具有简单易行、适用范围广、收敛速度快等优点，可应用于机构优化设计、机器人轨迹规划等方面。

3、模拟退火算法：基于固体退火过程的热力学原理，通过不断迭代搜索来找到更优解。它可以应用于机构优化设计和机器人轨迹规划等，能处理复杂的非线性问题，找到使机构性能得到更大发挥或让机器人运动更有效、准确的方案。

4、黄金分割法：一种一维优化算法，属于序列消去算法的特殊形式。它利用函数在极值点附近的比例关系来逐步缩小搜索区间，从而找到更优解。常用于求解一维优化问题。

5、线性规划：用于处理线性目标函数和线性约束条件的优化问题，旨在找到满足约束条件下使目标函数达到更优的解。

6、单纯形法：一种求解线性规划问题的常用方法。它通过从可行域的一个顶点移动到另一个顶点，逐步改进目标函数值，直到找到更优解。

7、梯度法：基于目标函数的梯度信息来确定搜索方向。梯度方向是函数增长更快的方向，而负梯度方向则是函数下降更快的方向，通过沿负梯度方向进行迭代搜索来逼近更优解。

8、共轭梯度法：结合了梯度法和某种形式的共轭方向来进行搜索，在一定程度上克服了梯度法收敛速度慢的问题，提高了搜索效率。

9、DFP 变尺度法：通过不断调整搜索方向的尺度矩阵，来提高搜索的效率和精度。

这些优化算法各有特点和适用场景，在实际应用中，需要根据具体的机械设备设计问题的性质、规模和要求等因素，选择合适的优化算法或结合多种算法来求解更优设计方案。同时，随着技术的发展，还会有新的优化算法不断涌现。