复杂工程产品设计优化问题通常是多目标、多约束的且输入变量/参数具有不确定性。这种不确定性在设计优化中不断传递与积累,导致目标函数发生变化和偏移,甚至使可行最优解变得不可行。因此,通过多目标稳健设计优化方法获得稳健最优解至关重要。但在复杂工程产品设计优化过程中,往往需要多次迭代调用数值仿真分析才能获得最优解,导致计算成本过高,求解周期过长。本文以复杂工程产品稳健设计优化为研究对象,为提高计算求解效率,引入近似模型和分类模型对设计优化的目标和约束分别进行代替,并围绕如何选择合适的模型及序贯建模方法两个方面展开研究,取得的主要研究成果如下:首先,本文提出了一种基于Kriging和SVM的多目标稳健设计优化方法。采用约束切割的多目标稳健设计优化框架,对每个目标函数构建一个Kriging近似模型来预测其响应值,并对所有约束函数构建SVM分类模型,根据设计方案是否在可行域中(即是否满足所有约束)将其分为可行与不可行两类。通过两个数学算例和微型飞行器机身结构设计优化的工程实例,对提出的方法和典型的多目标稳健设计优化方法进行了比较。结果表明,本文提出的方法在保证求得的Pareto解集满足稳健性要求的前提下,能够显著减少计算成本,提高稳健设计优化的求解效率。其次,针对用来近似目标函数的Kriging模型,通过最大化期望改善迭代地获得更新点对Kriging模型进行序贯建模,可有效平衡局部寻优和全局寻优之间的关系,进而提出了基于期望改善的序贯Kriging和SVM的多目标稳健设计优化方法。算例验证结果表明,该方法在保证求得的Pareto解集质量的前提下,能够进一步减少计算成本。提出的方法也被应用于复杂工程产品稳健设计优化中,验证了该方法的工程适用性和优越性。