本文通过分析国内外焊接材料的计算机辅助优化设计的发展和现状,结合相关领域的最新发展,提出了从试验设计到数学建模再到优化方法的一整套的焊接材料的计算机优化设计的新方案。建立数学模型是整个优化设计的关键环节。由于焊接材料配方的组份与性能间作用关系的复杂性,无法事先知道组份与配方性能之间关系的明确分析函数形式,本文选用了神经网络建模方法作为建立焊接材料的配方和性能之间的定量关系的工具。已经证明,含有输入层、输出层和隐层的三层BP(Back Propagation)神经网络,可以是一个通用的函数逼近器,能够逼近任何连续的函数。由于建模方法决定采用神经网络方法,通过理论分析得出以均匀性为目的的试验设计方案应该是与神经网络建模方法相配合的理想试验方案,所以在试验设计方面,提出了以均匀设计为目的计算机直接抽样,再择优选用的试验设计方法。这个试验设计方法,比使用均匀设计表来安排试验更简单直接,而且可以证明,其设计的试验点分布的均匀性,在抽样方案数足够多的情况下高于按均匀设计表来安排的试验。本文针对焊接材料优化问题是一个多目标优化问题的具体情况,选用了遗传算法作为此优化问题的求解方法。多目标优化问题的理想解是一组Pareto解,本文提出了一种新的在进化组群中始终包含当前Pareto前沿的遗传算法。该方法根据Pareto解的定义,提出归一化多个目标值,然后根据目标值大小排序,每个排列中的最优解就是当前的Pareto解的一个前沿。每次进化搜索时更新这样的前沿,使遗传种群始终向Pareto解的前沿靠近,使每次遗传操作后的后代优于前一代。通过与传统的焊接材料设计方法和传统的优化方法比较,这套从试验设计到数学建模再到优化设计的解决方案,都具有比较优势。