概率约束优化问题在实际生活中的各个领域均有着广泛的应用，已经成为近年来的一个研究热点.许多实际问题的数学模型为概率约束优化模型，该模型的求解有以下三个主要的困难：一是概率约束函数p(x)通常是非凸的，二是p(x)没有显示表达式，三是p(x)是不可微的.国内外学者们做了大量的研究，给出了求解概率约束优化问题的有效方法，例如：二次近似、CVaR近似、Bernstein近似、二阶锥规划近似、D.C.近似、光滑近似等.本文针对p(x)的不可微性，基于Pinar-Zenios光滑和函数，建立了等价的光滑D.C.近似问题，讨论了求解光滑D.C.近似问题的序列凸近似(SCA)算法，构建了光滑D.C.近似问题的样本均值近似问题，并做收敛性分析.本文的主要研究内容为：　　第一章介绍概率约束优化问题的发展背景，并给出了相关的基本概念、基本定理等预备知识.　　第二章基于Pinar-Zenios光滑和函数，构造了特征函数1(0,+∞)(z)的一个光滑近似函数φ(z,t)，并提出等价的光滑D.C.近似问题(P?)；建立了光滑近似问题(P?)的ε-近似问题(Pε)，证明了近似问题(Pε)与问题(P)的等价性，并进行收敛性分析.　　第三章讨论了求解光滑D.C.近似问题(Pε)的序列凸近似(SCA)方法.首先介绍SCA算法，并且分析算法的收敛性质；其次，讨论了求解光滑D.C.近似问题(Pε)的SCA方法，给出了在SCA算法的实施过程中确定初始解的一个有效方法，针对凸子问题，建立了样本均值近似问题，并简单说明了可以直接采用基于梯度的Monte Carlo方法求解.