高精度数值仿真在固体火箭发动机精益研发中应用需求日趋迫切,但基于高精度数值模拟的设计效率成为制约工程应用的关键问题。基于代理模型的优化方法能够在较少迭代次数情况下得到较好设计结果,为高精度仿真模型在优化设计中的应用提供了有效方法,但针对现实工程设计中常存在离散-连续混合变量的优化问题,缺乏有效的解决手段,仅对离散变量简单舍入进行处理,导致优化难以进一步提升。论文针对离散-连续混合变量优化问题,将基于代理模型的优化方法涉及的实验设计、近似建模和采样准则等关键算法,拓展至离散-连续混合变量空间,提出基于代理模型的混合变量优化方法,通过固体火箭发动机装药设计优化应用验证算法的有效性。建立了混合变量实验设计方法和近似建模方法。针对实验设计难以处理混合变量的问题,提出组合改进局部枚举与增强随机进化的算法,可直接在混合域生成实验设计。在相同设计要求下,本文方法设计结果相较于常用实验设计方法均匀性更佳。针对径向基函数近似模型中基函数形状参数确定难题,提出基于样本局部密度和快速交叉验证的径向基近似建模方法,建立了通用快速交叉验证方法,有效提高代理模型构建效率和预测精度。相比常用径向基近似建模技术具有更高精度,模型精度校验时间降低一半以上。提出了非精确平衡采样准则,给出无约束和有约束情况下的采样方法。针对无约束情况,通过引入算法历史精英档案作为对比,找到比历史最优更好的解即停止搜索。优化初期种群散布在设计域内,采样随机性较大,倾向探索设计空间,后期种群收敛,采样倾向开发最优区域,实现开发与探索的自适应调整,在多个无约束数值算例上展现出比进化算法和典型基于代理模型的优化算法更佳性能。针对多约束情况,结合ε-约束保持思想改进可行性规则法,提出“先探索可行域,后开发最优解”的二阶段采样策略,通过引入高质量不可行点,提高代理模型在约束边界上的精度,从而提高算法寻优能力。基于约束采样的代理模型优化方法,在不同维度、不同约束下的测试算例上,均表现出比通用约束优化算法更好的性能与稳定性。基于本文提出的混合变量代理模型优化算法,针对固体火箭发动机装药设计问题,开展算法在飞行器设计领域应用研究。采用连续松弛法改进的自适应粒子群法进行代理模型搜索,建立离散-连续混合变量代理模型优化算法框架。所得结果与改进粒子群算法对比,本文算法设计所得燃面更平稳,且收敛性能更佳,验证了本文算法的有效性、高效性和处理复杂工程问题的能力,设计结果表明,本文算法可进一步推广至飞行器设计其他领域的连续-离散混合优化问题。