中文摘要：

为了有效的解决飞行器多学科设计优化的计算复杂性问题，以基于自适应代理模型技术的飞行器多学科设计优化策略为研究对象，从前人研究的缺陷中凝炼科学问题，围绕提高优化策略的性能与适用范围两方面开展深入研究。(1)采用分解的思想提出一类不依赖于全局优化过程的高效的Maximin拉丁超方设计方法与序列Maximin拉丁超方设计方法以提高采样的质量与效率；(2)将重点设计空间方法与置信域方法相结合提出一种新的自适应代理模型管理策略以改善优化效率与全局收敛性，引入粗糙集理论管理自适应代理模型以降低构造重点采样空间的不确定性；(3)探讨罚系数的自适应调节方法,并开展基于过滤器的约束条件处理方法研究以提高优化策略对于约束优化问题的效率；(4)采用物理规划处理多目标优化问题，拓展优化策略的多目标优化能力。本项目的研究途径具有一定的创新性，研究成果可以为解决飞行器多学科设计优化的计算复杂性问题提供先进的理论支持。

结论摘要：

飞行器是一个典型的复杂系统，各学科相互影响，相互制约，其综合性能的性能是各学科耦合的综合体现。飞行器多学科设计优化（MDO）可以在设计过程中充分考虑学科间耦合协调关系，从而充分挖掘设计潜力，提高飞行器的综合性能，是一套具有应用前景的先进设计方法论。然而，飞行器MDO的计算复杂性问题（即优化过程及其耗时）已成为限制其广泛工程推广的最大技术难题，亟待通过理论研究寻求解决方案。 项目研究的主要工作可概括如下。提出了基于逐次局部枚举的Maximin拉丁超方计算实验设计方法（SLE）以改善样本点的空间均布性与投影均匀性，从而提高了代理模型的近似精度；引入空间映射技术发展了S-SLE序列Maximin采样方法,保证序列采样过程中样本点的均布性；提出了若干代理模型管理与更新策略，包括重点采样空间方法、模糊聚类空间缩减策略、信赖域采样空间方法以及智能空间探索策略，实现了优质设计域（即可能存在全局最优解的区域）的有效辨识；发展了一系列基于自适应代理模型的飞行器MDO策略，通过逐次有偏采样更新代理模型，引导搜索过程快速收敛到全局(局部)最优解;与当前国际同类算法相比，本项目所提出的优化策略在全局收敛性与优化效率方面具有明显优势；采用自适应罚函数法与Lagrange乘子法处理高精度约束条件，并发展了基于过滤器技术的约束条件处理方法；初步探索了基于自适应代理模型的多极值搜索策略；为了进一步降低优化耗时，开发了支持分布式并行计算的自适应代理模型优化框架。此外，项目组已将上述理论研究成果用于求解多种飞行器多学科设计优化问题，检验了研究成果的有效性与工程实用性。研究工作达到了预期目标。