世界经济的飞速发展和市场竞争的日趋激烈,迫切要求企业提供短周期、低成本、高质量的产品,以提升企业的全球竞争力。从现代质量工程的观点来看,产品质量首先是设计出来的,设计阶段是提升产品质量的源头。随着学科建模技术、数值计算技术和计算机软硬件的发展,高精度仿真模型被广泛应用于复杂产品和系统的优化设计中,提高了设计的可信度和质量。但高精度仿真模型运行高耗时,而优化设计又是一个反复调用仿真模型的过程,高昂的仿真成本已成为制约优化设计效率的瓶颈。为提高复杂产品和系统的优化设计效率、降低试验成本、缩短设计周期,基于代理模型的代理优化方法受到了国内外学者的普遍关注和重视。代理模型是指利用试验数据构造的,在分析和优化设计过程中用以替代昂贵仿真模型的近似数学模型。代理优化方法通过构造代理模型和设计合理的优化策略,引导优化过程快速收敛到优化问题的全局最优解,从而达到降低试验成本、缩短设计周期的目的。代理优化方法主要涉及:试验设计理论、代理建模技术、代理优化策略及加点准则等方面。本论文针对黑箱系统的优化设计问题,综合运用系统仿真、Kriging建模、智能优化算法、实证研究等技术和手段,系统研究了约束优化、确定性和随机性多目标优化以及并行优化等情形下的代理优化算法设计问题。主要研究内容及结论概括如下:(1)对基于Kriging模型的自适应代理优化机制的系统分析。针对基于Kriging模型的代理优化算法,首先详细介绍了 Kriging建模技术并给出了确定其内在参数的建议;然后,通过实例演示了代理优化算法的自适应优化机制,分析了其优化特点和关键技术;最后,指出了代理优化过程中存在的“子”优化问题,并给出了解决这些“子”问题的有效方法。此部分内容是本论文开展后续代理优化算法研究的基础,也能为工程技术人员理解、使用和发展代理优化算法提供帮助。(2)基于Kriging模型和两目标约束应对策略的约束代理优化算法。当优化问题包含黑箱约束时,约束条件的应对直接影响着代理优化算法的精度和效率。借鉴进化算法研究中将约束条件看作优化目标的做法,提出了一种能兼顾目标函数改进和可行域边界刻画的两目标约束应对策略。数值算例表明,基于该约束应对策略的代理优化算法,避免了惩罚函数法计算量大、因子选择麻烦的缺点,适用性强且优化精度高。(3)基于Kriging模型的多目标代理优化算法及其收敛性评估。针对确定性多目标优化问题,提出一种通过改进近似Pareto解集质量指标的方式,间接优化多目标问题的代理优化算法。该算法首先利用可行性概率准则辨识优化问题的可行域并生成初始近似Pareto解集;再结合期望超体积改进准则以不断改进近似Pareto解集的质量;最后利用条件仿真方法,从度量近似Pareto解集不确定性的角度评估算法的收敛性。优化结果表明,所提算法对可行域非连通、非凸的优化问题都适用,且为真实解集未知情况下的算法收敛性评估提供了新途径。(4)基于随机Kriging模型的Pareto前沿估计与不确定性度量。针对Kriging模型的插值性质不适合于随机仿真的问题,提出了基于随机Kriging模型的随机系统多目标优化算法。该算法通过计算仿真响应半置信区间的方式,评估各试验点上仿真噪声的大小并确定重复仿真次数;然后利用随机Kriging模型的噪声过滤功能,设计了适合于随机仿真的多目标问题Pareto前沿估计策略;最后用非参数bootstrap方法,度量了随机仿真噪声对优化结果的影响。数值算例和库存仿真案例的优化结果表明,所提代理优化算法是支持随机系统多准则决策的有效方法。(5)基于Kriging模型的多点加点准则及并行代理优化算法。伴随着计算机并行计算(仿真)能力的发展,设计能同时选取多个新试验的多点加点准则,是提高优化设计效率的新途径。基于Kriging模型,本论文首先将q-EI多点加点准则推广至约束优化问题;随后又提出了一种基于多目标策略和聚类方法的多点加点准则;最后通过与其他算法做比较,验证了基于所提加点准则的并行代理优化算法的有效性和高效性。最后,在总结以上研究成果的基础上,指出了代理优化算法研究领域值得进一步关注和研究的问题。