經(jīng)濟(jì)、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(wèn)題中常常存在多個(gè)需要優(yōu)化的目標(biāo)，這就使得一組最優(yōu)的設(shè)計(jì)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(lèi)優(yōu)化問(wèn)題具有很大的局限性。與此同時(shí)，由于制造、安裝和測(cè)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(lèi)問(wèn)題時(shí)會(huì)降低其準(zhǔn)確性。基于概率的隨機(jī)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(lèi)優(yōu)化問(wèn)題。但是隨機(jī)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(jì)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(lái)描述優(yōu)化問(wèn)題中的不確定性變量，但是區(qū)間方法只能處理相互獨(dú)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(wèn)題。因此，本文對(duì)非線性橢球凸集模型多目標(biāo)不確定性優(yōu)化問(wèn)題進(jìn)行研究，研究將針對(duì)以下幾個(gè)方面來(lái)開(kāi)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(lái)解決優(yōu)化問(wèn)題中的不確定性變量，將其轉(zhuǎn)化為確定性優(yōu)化問(wèn)題。然后，應(yīng)用局部加密近似模型方法來(lái)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(chē)輛工程中解決工程優(yōu)化中的實(shí)際問(wèn)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(wèn)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(wèn)題。罰函數(shù)方法的應(yīng)用將此確定性優(yōu)化問(wèn)題轉(zhuǎn)換為無(wú)約束的兩層嵌套優(yōu)化問(wèn)題，應(yīng)用微型多目標(biāo)遺傳算法與隔代映射遺傳算法來(lái)分別尋優(yōu)設(shè)計(jì)變量與不確定性變量。最后，數(shù)值算例被用來(lái)檢驗(yàn)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(shí)模型來(lái)求解，獲得最優(yōu)的設(shè)計(jì)變量與目標(biāo)函數(shù)值。引進(jìn)局部加密近似模型方法來(lái)用更少的樣本點(diǎn)獲得較高的模型精度，計(jì)算最優(yōu)設(shè)計(jì)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(diǎn)作為新的樣本點(diǎn)來(lái)更新近似模型以此達(dá)到提高優(yōu)化效率與精度的目的。最后，計(jì)算并比較數(shù)值算例來(lái)檢驗(yàn)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(chē)輛懸架系統(tǒng)的優(yōu)化問(wèn)題中。建立汽車(chē)懸架系統(tǒng)的數(shù)值計(jì)算模型，基于此數(shù)值模型來(lái)構(gòu)建多目標(biāo)不確定性優(yōu)化問(wèn)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(lái)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(chē)乘員約束系統(tǒng)的優(yōu)化問(wèn)題中。構(gòu)建乘員約束系統(tǒng)仿真模型，分別選取設(shè)計(jì)參數(shù)與不確定參數(shù)來(lái)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(lái)獲得最優(yōu)的設(shè)計(jì)變量以及目標(biāo)函數(shù)值。最后，分別討論了算法中各個(gè)參數(shù)對(duì)于優(yōu)化結(jié)果的影響以及本方法優(yōu)勢(shì)。