工程设计问题一般都具有多个设计目标，这些与工程系统的性能或经济性等相关联的目标之间通常存在着内在冲突。近年来多学科优化设计技术蓬勃发展，在理论和实际应用中都取得了很大的成功，其核心之一就是多目标优化技术。因此开展多目标优化技术研究在学术上和工程实际中都具有重大意义。 本文主要将物理规划等先进的多目标优化方法和神经网络(ANN)、模糊技术、交互式技术相结合，提出了新的更有效的多目标优化方法：提出了模糊物理规划方法，能够更有效地处理工程多目标设计问题中的模糊不确定性；提出了基于神经网络的交互式物理规划方法，适用于大规模复杂工程多目标设计问题；以模型参数向量概念和设计者偏好结构的ANN模型为基础，提出了智能交互式多目标设计方法(ⅡMOM)，为中小型多目标优化问题给出了一个完善、有效的解决方案。 在国内率先开展物理规划研究。作者研究了物理规划的基本理论并检验了其有效性，跟踪该领域权威学者的工作并与之进行了大量交流。作者认为，物理规划在理论上和实际应用中都非常有价值，应该开展深入研究并大力推广应用。 以物理规划为基础，提出了模糊物理规划方法，以处理工程多目标设计问题中的模糊不确定性。模糊物理规划将一个设计目标的目标函数及其容差综合考虑并计算其偏好函数值，优于将目标值及其容差分开考虑的鲁棒设计。 提出了基于神经网络的交互式物理规划方法。在已获得的Pareto解附近，用神经网络建立Pareto曲面的近似模型，并借助它来探索新的Pareto解。建立Pareto解到其评分值的映射的神经网络模型，以表达设计者的偏好。该神经网络模型和优化过程的结合，实现了精确寻优，并借助于折衷规划得到最后的设计方案。基于神经网络的交互式物理规划在处理大规模问题的计算复杂性和有效性之间寻求了一种折衷，是处理大规模复杂工程优化设计问题的有效、实用的方法。 在标准交互式物理规划中，利用物理规划可以均匀达到有效域中任何一点的特性，通过修改各设计目标偏好函数的边界值来体现设计过程的交互性。该方法确认了以物理规划为基础，通过修改各设计目标偏好函数的边界值，建立一种真正的交互式方法的可行性和有效性。 提出了智能交互式多目标设计方法，为中小型多目标优化问题给出了完善、有效的解决方案。在ⅡMOM中，给出了模型参数向量的一般概念，表示多目标优化模型中需要由设计者设定的参数向量(如加权系数法中的权重向量)。从实用角度出发，建立了设计者偏好结构的神经网络模型，该模型是以模型参数向量为输入，以与模型参数向量对应得到的Pareto解的偏好值为输出，以近几轮交互式优化过程中得到的Pareto解为训练集训练得到的。然后，以设计者偏好结构的ANN模型为优化目标，求解一个优化问题来寻找改进的设计方案，实现对交互搜索过程的智能引导。ⅡMOM有两个主要优点：设计者偏好结构的ANN模型能够精确而高效地引导设计者考察Pareto曲面上他感兴趣的部分，并拥有良好的收敛性；每一轮产生的改进设计方案都是Pareto解。ⅡMOM在可靠性多目标优化问题中的成功应用，表明对于不同类型的设计者的偏好结构，均能有效地描述并利用，并最终得到令设计者满意的设计方案。IIMOM给出了一个完善、有效的中小规模多目标优化问题的解决方案。 将IIMOM应用于双梁桥式起重机箱型主梁的多目标优化设计。以起重机主梁的重量和安全性（用合成正应力表征）作为其优化设计的两个目标。设计结果表明，IIMOM允许设计者对这两个目标进行权衡，在可以接受的时间内得到令设计者非常满意的设计方案。