多变量系统中，能够使主要输出量达到状态相同的输入变量的取值一般有多种组合，细分之下，不同取值的输入值组合的优越性通常也有不同。一般说来，系统输入可能的动态范围越大，其处理和补偿系统遭受各种干扰的能力也就越大，对应的输入值组合的优越性也就越高。为使系统输入具有尽可能大的动态范围以应对各种可能的扰动，本文从动态与静态两方面分别建立了两种多目标优化模型，用以选择和确定最佳输入值组合。首先，从静态的角度建立一个代表着决策变量灵活性大小的函数;从动态角度建立了两个分别代表输入变量可调整的动态范围和在控制过程中参与程度的函数;然后，再将这两个新建函数作为目标函数与原有的多目标优化控制模型整合为一个新的模型。该整合采用分层和不分层两种方式。最后对这两种模型从理论上进行了比较和分析。　　由于多变量系统的复杂性，在控制过程中，往往会因某些原因，人们只注重系统主要输出量达到设定目标状态，而忽略控制输入值组合的均衡性。这种情况一旦发生，通常会造成系统各类损耗增加，抗动态干扰能力受限等问题。因而在保持主要输出目标状态平稳的条件下，将输入值组合转移到能够均衡各种因素的输入值组合是必要的。本文以邻域系统为基础，从理论上分析指出，一个有限时段内的连续系统过程可以由有限个时间点处的可行邻域完全覆盖。基于此给出了不同输入值组合间转移通道的求取方法。每一个通道由有限个不同输入点的邻域交叠连接而成，控制点在该通道内转移时，可以保证系统输出在预定的波动范围之内。针对多变量系统的定点控制、过程控制和随动控制三种不同情况，分别给出了控制输入转移的方法。文章最后将本文方法用于汽车自动驾驶中档位与速度的匹配控制问题，验证了方法的有效性。