机翼是飞行器产生升力的主要部件,翼型的优化设计是提升飞行器气动性能的关键手段。先进飞行器的设计需要开发高性能翼型,在基于计算流体力学的翼型优化设计中,高效的优化设计方法显得尤为重要。本文针对飞行器翼型优化设计问题,重点研究了改进莱维飞行优化算法及高斯过程代理模型在翼型优化设计中的应用。首先,莱维飞行是一种全局搜索算法,但局部搜索能力较差。针对该问题,本文将莱维飞行与两种高效局部搜索算法相结合,分别提出了基于改进莱维飞行的师生交流算法和基于改进莱维飞行的狼群算法。同时为克服原始莱维飞行效率低、精度差的缺陷,引入了高斯核函数自适应调节莱维飞行的搜索步长,以提高其搜索效率;引入了四元法,以提升其搜索精度。通过标准测试函数验证,发现改进算法有效地平衡了局部搜索和全局搜索的能力,最终在优化效率和优化精度方面均优于原始算法与用以对比的遗传算法。其次,采用机器学习的方法构建了基于几何参数的翼型气动性能代理模型。针对静态代理模型预测精度差的缺点,本文通过EI加点准则,构建动态代理模型,提高代理模型的精度,并提出了一种基于动态高斯过程与高效全局优化算法的翼型代理模型优化方法。最后,以超临界翼型RAE2822的减阻优化设计为例,分别采用直接优化和基于代理模型优化的方法进行了减阻优化设计。结果表明后者的优化效率较前者有较大提升,证明了本文提出的一种基于动态高斯过程与高效全局优化算法的翼型代理模型优化方法具有一定可行性。