在汽车、半导体等复杂产品制作加工过程中,有些产品或过程的质量特性呈现某种特定函数关系,这种具有特定函数关系的质量特性称为轮廓。现阶段轮廓研究大多停留在产品质量的控制阶段,而利用试验设计方法对轮廓进行优化设计的研究相对较少。本文研究重点是通过试验设计理论中的优化方法对线性轮廓进行优化设计。主要研究内容如下:首先,针对模型参数相互独立的情况,建立了基于满意度函数法和逼近理想解排序法的线性轮廓优化模型。将模型参数满意度函数值的最优贴近度作为线性轮廓优化绩效指标,克服了轮廓优化过程中的多个模型参数同时优化所产生的优化冲突,以及传统的总体满意度函数极易受到权重值和极端值影响的问题。针对线性轮廓优化这一复杂决策问题,给出了分层递阶优化策略,通过建立分层决策递阶,将复杂决策问题分解为多层子决策问题的序列,细化优化过程。其次,针对模型参数存在强相关性的情况,提出了基于似无关回归模型的两步模型法。克服了最小二乘法由于忽略模型参数间的相关性信息而导致的较大模型拟合误差的问题,实现了对分层递阶优化策略中控制层的参数方程拟合方法的改进。针对最优层的参数优化方法选择问题,建立了基于似无关回归估计的满意度函数和考虑模型预测质量的质量损失函数,解决了传统优化方法在轮廓优化过程中忽略参数相关性、模型预测质量及过程经济性的问题。最后,针对线性轮廓响应模型预测质量不确定的情况,提出了一种基于满意度的虚拟距离衡量法解决线性轮廓优化问题。将样本轮廓与目标轮廓之间的相似度作为优化的对象,建立基于轮廓间相似度的响应优化模型,实现线性轮廓优化的目的。这种方法克服了传统基于线性轮廓响应模型的优化方法存在的模型拟合误差问题以及由试验误差引起的过程震荡问题,同时考虑了主观决策者的偏好信息、先验信息与目标集本身的客观信息等多种因素的影响,使该优化方法具有很强的抗干扰能力。上述研究拓展了传统优化方法的应用范围,有助于工程设计人员加深对产品和过程的认识,其结果可以为过程和产品工艺改进提供参考。