结构和多学科优化技术在最近几十年得到了飞速发展,被经常应用于船舶、汽车、飞机等领域。基于代理模型的贝叶斯优化算法是解决工程中结构优化设计的主要手段,能够显著提高材料的利用率。然而随着工程问题的日益复杂,往往包含众多昂贵约束条件,甚至多个目标需要同时优化,得到相对优异的解决方案时仍需要较长计算时间,这给求解结果的稳健性以及求解效率带来了一定挑战。为解决上述存在的问题,本文基于传统贝叶斯优化算法中的约束期望提升（Constraint expected improvement,CEI）准则,提出了一种基于置信区间下界（Lower confidence bound,LCB）的约束准则,简称CLCB准则,通过将数值归一化后的LCB函数与可行概率函数（Probability of feasible,Po F）进行合理组合,实现单目标LCB准则的约束处理。随后在6个全局优化数学算例上对CLCB和CEI准则进行测试,数值结果表明所提出的CLCB准则整体收敛速度更快,能够获得更好的近似全局最优解。最后将CLCB准则应用于帽形梁耐撞性优化设计,通过轴向冲击实验验证了有限元模型的有效性,优化结果表明在满足最大峰值力约束下,帽形梁轴向冲击过程中比吸能提升34.73%,展现了极强的工程问题寻优能力,能够有效提升帽形梁耐撞性。针对昂贵多目标优化问题的处理,本文在LCB提升矩阵的基础上发展了多目标LCB加点准则,通过引进提升函数将LCB提升矩阵归化为单一数值量得到LCBM准则,进而最大化LCBM准则实现多目标贝叶斯优化算法的序列式加点迭代,LCBM准则具有显式表达式且满足相应单调性,时间复杂度低。随后对提出的LCBM准则以及传统准则在ZDT和DTLZ算例就不同目标和变量进行大量测试,数值结果表明所提出的LCBM准则相对于传统准则而言具有更快的收敛速度,并能够以相当低的计算成本生成优异的Pareto前沿。最后将性能优异的LCBMh准则应用于帽形梁薄壁结构耐撞性优化设计,相对于初始设计,比吸能增加21.43%,峰值力降低12.12%。进一步的,LCBMh准则被应用于汽车B柱侧面碰撞三目标安全性设计,优化后的质量,侵入量以及最大侵入速度分别降低20.90%,25.06%和18.82%,展示了LCBMh强大的寻优性能,能够高效求解此类非线性工程问题。