复杂产品的设计过程往往涉及多个学科领域的相关知识,多学科设计优化(MDO)能够根据现有工程设计组织形式,将复杂产品的设计过程分解为若干子学科,有益于子学科自治和知识重用。MDO是一新兴学科,许多技术有待于进一步的提高和完善。本文在多学科协同优化框架中,研究MDO问题中不确定性及多目标性的解决方法,主要研究成果总结如下：(1)针对协同优化中一致性等式约束所造成的计算困难,以及罚函数法约束处理策略中罚因子的选取困难,采用遗传算法和逐步增强约束强度的思想,提出了基于遗传算法的协同优化方法。利用各子学科返回的优化结果,计算种群中个体的不可行度,根据不可行度和阈值来决定个体的可行性。利用循环迭代次数调整阈值,保证系统级优化向一致性等式约束不满足度减小的方向进行,达到了有效增强子学科间一致性的目的。(2)针对协同优化对初始点选取敏感和易陷入局部极值点的问题,提出了基于两阶段优化策略的协同优化方法。在全局优化阶段,采用较大的松弛因子,在保证学科间一致性的前提下,将优化点优化到全局极值点附近；根据学科间一致性的控制方式,给出先验约束法和后验修正法两种求解方法。在局部优化阶段,逐步减小松弛因子的取值,增强学科间的一致性,得到全局极值点。(3)针对MDO问题中存在的设计变量误差和模型误差,提出了简化的基于隐含不确定性传播(IUP)的鲁棒协同优化(RCO)模型。将耦合状态变量的最大变差作为辅助设计变量,其计算过程在各子学科分析模型的内部实现。在符合协同优化结构特点的基础上,避免了IUP方法中全局灵敏度方程的求解计算过程,可以提高模型的计算效率和应用范围。从符合协同优化框架结构、模型误差近似形式具有合理性以及能够满足学科间一致性三个角度,对模型的合理性进行说明。(4)在RCO模型求解方面,提出了基于循环遍历和基于NSGA-Ⅱ的两种方法。在基于循环遍历的RCO求解方法中,为避免优化结果受初始点的影响,选用确定性优化结果作为起始点,采用遍历组合的方式给出权值。在基于NSGA-Ⅱ的RCO求解方法中,通过设置动态个体可行性阈值,解决由RCO优化结构造成的目标函数及其变差易陷入局部极值点的问题。在进化初期,保留较多的目标函数及其变差较小的个体,以便优化向全局极值点附近靠近；在进化后期,保留较多的学科间一致性较好的个体,以便增强学科间的一致性。(5)以子学科具有多目标性的MDO问题为研究对象,针对各目标函数先验知识已知的情况,提出了基于线性物理规划的多目标协同优化(MOCO)求解方法。针对子学科一致性目标函数与子学科自身目标函数具有不同的作用和重要性的特点,提出将子学科一致性目标函数转换为子学科约束的策略,并给出最近距离和松弛距离两种转换形式,松弛距离转换形式更易于子学科自身目标函数取得较好的优化性能。(6)以子学科具有多目标性的MDO问题为研究对象,将多目标子学科优化过程作为研究重点,提出了基于NSGA-Ⅱ的MOCO求解方法。从提高多目标子学科优化计算效率和计算精度的角度,给出具有良好的可行性和多样性的初始种群生成方法。从提高子学科自身目标函数优化性能的角度,给出第二优先级子学科一致性目标函数可行性阈值的设置方法。