采用近似模型代替计算耗时的有限元仿真可以极大降低复杂工程结构优化的计算时间。由于训练样本的限制，基于单次采样的直接建模方法通常难以满足精度需求，结合自适应采样的动态建模是提高近似模型预测精度的有效途径。针对现有的自适应采样算法通常仅考虑单一响应的不足，提出一种面向多响应且独立于近似建模技术的自适应采样算法。首先根据少量优化拉丁方样本点拟合初始近似模型，在此基础上，随机生成额外的样本点，并利用交叉验证和Jackknifin评估拟添加样本点的相对不确定性大小。基于所提出的相对平均准则或最大值准则选择不确定性较大的样本点逐步提升模型的预测能力，满足既定的收敛条件后输出高精度近似模型。某车型前端结构的耐撞性响应预测及优化设计实例验证了该采样方法的有效性和相对于传统方法的优越性。