多学科设计优化(MDO)能够充分考虑学科之间的耦合作用,为复杂产品的设计优化问题提供更加可靠的求解方案,在现代复杂工程系统设计领域具有举足轻重的作用。但是MDO的很多技术并未完善,为了适应工程系统日益复杂的设计需求,MDO还需要更深入、全面的研究。本文以协同优化方法(CO)为对象,对CO尚存的缺陷,以及考虑不确定性和多目标性下的优化问题求解方法进行了研究,得到了以下研究成果:(1)针对基于学科间不一致信息的动态松弛因子方法易于错误收敛的问题,将固定松弛因子方法与动态松弛因子方法结合,拓展出一种混合松弛因子方法。该方法在保留动态松弛因子方法的全局搜索能力的同时,通过松弛因子中的固定松弛部分为系统级优化问题的可行域提供保障,在总体上改善了求解过程的收敛性问题。(2)基于学科间不一致信息的松弛因子方法不适用于学科间共享、耦合变量不完全一致的多学科优化问题,且未能充分考虑实际工程中不同设计变量的量级差别,为此本文提出一种考虑变量量级的动态松弛因子方法。该方法不受各子学科中共享、耦合变量数目的限制,并考虑到不同子学科设计变量的量级特征,为系统级优化问题建立了一个更合理的搜索区间。(3)针对改进协同优化方法中因为共享设计变量在系统级与学科级之间的不一致性可能会造成最终解不满足原优化问题约束条件的问题,本文采用灵敏度分析方法,构造了一种改良的协同优化方法。该方法利用一阶泰勒展开式对学科级局部约束函数进行修正,考虑了共享设计变量不一致性对约束函数的影响,从而改善了系统级最优解的可行性。(4)针对基于隐式不确定性传递的鲁棒协同优化方法求解效率较低的问题,提出了一种基于共享设计变量的鲁棒协同优化方法,将各子学科的状态变量及其不确定性变差都作为优化问题的共享设计变量。该方法避免了在优化过程中通过另外的不确定性评估模块进行数据传递和不确定量求解,降低了多学科鲁棒性优化设计的计算复杂度。(5)考虑到基于改进措施的鲁棒协同优化方法中共享设计变量的不一致性给约束函数鲁棒性评估带来的偏差,提出一种考虑模型误差的鲁棒协同优化方法。该方法不仅考虑了各设计变量的不确定性变差和状态变量的学科分析预测误差,也包含了在协同优化求解过程中产生的共享设计变量不一致性变差,使鲁棒协同优化设计的约束函数鲁棒性评估更加精确、全面。(6)针对系统级具有多目标形式的多学科优化设计问题,构造出一种基于全局多目标梯度混合算法的多目标协同优化方法。该方法结合了多目标遗传算法的全局搜索能力和基于梯度算法的快速收敛能力,并采用变维数响应面技术对局部梯度信息进行评估,能够在有限的迭代次数内搜寻到全局Pareto最优解,提高了大规模多目标多学科优化问题的计算效率和计算精度。(7)针对子学科具有多目标特点的协同优化问题,提出一种基于动态加权的多目标协同优化方法。该方法通过引入物理目标的期望值和可变化的权系数,将一致性目标和所有物理目标组合成单目标。在保证一致性目标优先级的条件下,通过权系数的动态调整,最终得到使系统级目标函数趋向于最优的组合形式,避免了对各子学科多目标问题最优解的选择,并提高了多目标协同优化问题的求解效率。本文的主要创新点归纳如下:(1)为协同优化系统级问题提出了混合松弛因子方法和考虑变量量级的动态松弛因子方法,改善了系统级优化问题的收敛性,拓宽了松弛方法的工程适用性,并对已有改进协同优化方法的学科级约束函数进行修正,提出了改良的协同优化方法,为多种改进协同优化设计方法的解的可行性提供了保障。(2)为区间分布类型的不确定性优化问题建立了一种基于共享设计变量的鲁棒协同优化模型,将不确定性评估过程融合到优化设计进程中,有效降低了多学科鲁棒优化设计的计算复杂度。考虑到系统级与学科级之间的不一致性给约束条件鲁棒性评估带来的偏差,提出了考虑模型误差的鲁棒协同优化方法,提高了多学科鲁棒优化设计结果的可靠性。(3)分别针对系统级和学科级具有多目标形式的协同优化设计问题,构造了基于全局多目标梯度混合算法的多目标协同优化方法和基于动态加权的多目标协同优化设计方法,为大规模多学科多目标优化设计问题提供了更高效的求解方法。