經(jīng)濟、工業(yè)的快速發(fā)展使優(yōu)化技術(shù)得到廣泛的應(yīng)用，而工程優(yōu)化問題中常常存在多個需要優(yōu)化的目標(biāo)，這就使得一組最優(yōu)的設(shè)計變量很難滿足所有目標(biāo)的要求。因此，傳統(tǒng)的單目標(biāo)優(yōu)化方法處理此類優(yōu)化問題具有很大的局限性。與此同時，由于制造、安裝和測量等誤差的存在導(dǎo)致某些確定性的參數(shù)表現(xiàn)為不確定性變量，確定性優(yōu)化方法在處理此類問題時會降低其準(zhǔn)確性?；诟怕实碾S機和模糊規(guī)劃方法以及非概率凸集模型方法可以處理此類優(yōu)化問題。但是隨機和模糊規(guī)劃不確定性優(yōu)化方法需要獲得精確的分布信息，限制了其在工程優(yōu)化中的設(shè)計應(yīng)用。凸集模型主要包含區(qū)間和橢球模型，區(qū)間模型優(yōu)化方法可以應(yīng)用區(qū)間來描述優(yōu)化問題中的不確定性變量，但是區(qū)間方法只能處理相互獨立的不確定性變量，而橢球凸集模型方法可以較好的處理相關(guān)變量的問題。因此，本文對非線性橢球凸集模型多目標(biāo)不確定性優(yōu)化問題進行研究，研究將針對以下幾個方面來開展：首先，提出一種基于橢球凸集模型的非線性多目標(biāo)確定性轉(zhuǎn)換模型來解決優(yōu)化問題中的不確定性變量，將其轉(zhuǎn)化為確定性優(yōu)化問題。然后，應(yīng)用局部加密近似模型方法來提高此多目標(biāo)優(yōu)化方法的優(yōu)化效率。最后，將此多目標(biāo)優(yōu)化方法應(yīng)用到車輛工程中解決工程優(yōu)化中的實際問題。基于此，本文的研究思路如下： 1、提出一種基于橢球凸集模型的多目標(biāo)不確定性優(yōu)化方法。為了解決優(yōu)化問題中的不確定性變量，區(qū)間序與區(qū)間可能度方法被分別應(yīng)用于處理目標(biāo)函數(shù)與約束函數(shù)，將其轉(zhuǎn)換為確定性的多目標(biāo)優(yōu)化問題。罰函數(shù)方法的應(yīng)用將此確定性優(yōu)化問題轉(zhuǎn)換為無約束的兩層嵌套優(yōu)化問題，應(yīng)用微型多目標(biāo)遺傳算法與隔代映射遺傳算法來分別尋優(yōu)設(shè)計變量與不確定性變量。最后，數(shù)值算例被用來檢驗此算法的有效性。 2、提出一種基于局部加密近似模型的多目標(biāo)不確定性優(yōu)化方法。首先應(yīng)用徑向基函數(shù)（RBF）近似模型方法構(gòu)建目標(biāo)函數(shù)與約束函數(shù)的近似模型，在算法每一迭代步，應(yīng)用近似模型代替真實模型來求解，獲得最優(yōu)的設(shè)計變量與目標(biāo)函數(shù)值。引進局部加密近似模型方法來用更少的樣本點獲得較高的模型精度，計算最優(yōu)設(shè)計變量處目標(biāo)與約束函數(shù)的邊界誤差值，將誤差較大的點作為新的樣本點來更新近似模型以此達到提高優(yōu)化效率與精度的目的。最后，計算并比較數(shù)值算例來檢驗該局部加密近似模型方法。 3、將基于橢球凸集模型的多目標(biāo)不確定性優(yōu)化方法應(yīng)用于車輛懸架系統(tǒng)的優(yōu)化問題中。建立汽車懸架系統(tǒng)的數(shù)值計算模型，基于此數(shù)值模型來構(gòu)建多目標(biāo)不確定性優(yōu)化問題，最后應(yīng)用基于橢球凸集模型的多目標(biāo)不確定性優(yōu)化方法來獲取 Pareto 最優(yōu)解。將基于局部加密近似模型的多目標(biāo)不確定性優(yōu)化方法應(yīng)用于汽車乘員約束系統(tǒng)的優(yōu)化問題中。構(gòu)建乘員約束系統(tǒng)仿真模型，分別選取設(shè)計參數(shù)與不確定參數(shù)來構(gòu)建其多目標(biāo)不確定性優(yōu)化模型，應(yīng)用基于局部加密近似模型的多目標(biāo)不確定性優(yōu)化方法來獲得最優(yōu)的設(shè)計變量以及目標(biāo)函數(shù)值。最后，分別討論了算法中各個參數(shù)對于優(yōu)化結(jié)果的影響以及本方法優(yōu)勢。