自古以来,探索宇宙空间一直是人类不懈追求的梦想。上世纪下半叶开始,随着航天技术的兴起和发展,人类开启了探索宇宙空间的新时代。半个多世纪以来人类的航天活动取得了丰硕的成果,对太阳系的认识超过了人类数千年来所获得知识的总和,更是促进了科学技术的进步和生产力的提高,带动了航天学等相关学科的发展和航天产业的繁荣。通过深空探测,能够帮助人类探索太阳系及宇宙(包括生命)的起源、演变和现状,进而了解地球环境的形成和演变。从现实和长远来看,开展深空探测具有非常重要的作用和意义。　　 在太阳系中的八大行星中,火星是最类似于地球的行星,也是最有可能存在生命痕迹的行星,从而成为诸多国家和机构研究的重点。　　 在探测任务总体设计中,飞行器轨道的设计是首要关键技术之一,而地.火转移轨道是飞行器整个飞行过程中最为关键的一段,有很多问题需要解决。其中一个非常重要的问题就是:如何在满足工程约束的条件下减少飞行器飞行过程中燃料的消耗。这既是为了减少成本开销,也是由于探测器容量有限,如果飞行过程中所需燃料过多,则势必会减少有效的科学负载,从而影响到整个探测任务的完成。因此,在满足工程约束条件下,优化设计出一条燃料消耗尽可能少的轨道具有十分重要的意义和价值。　　 近年来,演化算法兴起并得到广泛发展,演化算法是一种新兴的优化工具,它是借鉴自然界中进化与遗传机制的一种优化算法,主要用于解决复杂的工程技术问题。演化算法具有自适应搜索、渐进式搜索及并行式搜索的特点,并且有通用性强的特点,是一种全局的智能搜索方法,在航空航天领域,越来越多的问题也开始采用演化算法求解,在行星际轨道设计与优化中,很多研究机构将演化算法应用到借力飞行的轨道优化设计中,尤其是NASA和ESA都正积极尝试使用演化算法来求解该问题。　　 本文首先介绍了几种经典的演化算法,其中单目标优化算法包括:差分演化算法(DE)和粒子群优化算法(PSO),多目标优化算法带精英策略的非支配集排序遗传算法(NSGAII)。　　 差分演化算法(DE)是Rainer Storn和kenneth Price在1995年为求解有关切比雪夫多项式的问题提出来的,是一类基于群体差异的演化算法。其基本思想是应用当前种群中个体的差来重组得到中间种群,然后通过父子之间的锦标赛制的竞争获得新一代种群。　　 粒子群算法(PSO)最早是由从事计算智能研究的Eberhart和美国的心理学研究者Kelnnedy博士于1995年提出的一种基于群体智能的随机搜索算法。该算法最初受到鸟类群体活动的规律性的启发,进而利用群体智能建立的一个简化模型。粒子群算法模拟鸟类的觅食行为,用问题的搜索空间模拟鸟类的飞行空间,用一个没有体积和质量的粒子(Particle)模拟鸟群中的鸟,将寻找问题最优解的过程比作寻找食物的过程。　　 带精英策略的非支配集排序遗传算法(NSGAII)是Deb等人于2000年针对NSGA的不足提出的一种改进算法:引入非支配集排序的方法以降低算法的计算复杂度；采用拥挤度距离替代需要指定共享半径的适应度共享策略；使用父子种群共同竞争的机制便于解有较好的分布性。　　 因演化算法的随机性本质,本文将其与确定性的算法—分支限界法结合进行研究。介绍了演化算法改进的一个趋势:与局部搜索算法的结合,充分发挥演化算法的全局搜索能力和局部搜索算法的局部搜索能力,即本文中所提到的文化基因算法。　　 在文中第二章对上述介绍的几种优化算法进行大量数值实验,并对其性能等方面进行分析比较。　　 第三章介绍了两种地火转移轨道模型:双脉冲转移轨道和演化拼接轨道。其中,地-火双脉冲转移轨道是一种简化模型,它将地球和火星看作一个没有质量和体积的质点,同时忽略地球和火星对飞行器的影响,只考虑太阳对飞行器的引力作用。在这种情况下,对双脉冲轨道的求解实质上是求解Lambert问题。演化拼接轨道是项目组在大量研究目前的轨道模型的基础上提出的一种设计方法。它是一种基于演化算法的圆锥拼接方法,从地球逃逸段和火星捕获段两端的工程约束出发,先确定两端轨道的参数,然后再根据两端轨道求解出日心转移段轨道。而逃逸段和捕获段轨道参数的确定则是利用演化算法求解出满足优化目标的结果,通常优化目标选择能量消耗或者转移时长。　　 第四章将前面介绍的几种优化算法运用到地火的两个模型中,开发出地火转移轨道优化仿真设计平台的优化模块。实现了优化过程和结果的仿真,同时,多种优化算法可以起到相互验证的作用。　　 最后,从工程可靠性角度出发,针对发射窗口的工程可靠性进行了分析。以地-火双脉冲最优转移轨道为例,因其目标函数是一个多峰多谷的函数,理论上求出的解不一定能够被工程上所接受,需要对模型整体进行研究,从而产生了谷底问题这个概念。本文首次将测绘部门关于地形的计算方法引入到轨道发射窗口工程可靠性分析中,实验表明该方法是可行的。并给出了统计分析结果与仿真结果。　　 最后一章对本文工作进行了总结,对下一步的研究做了展望,相信对后期研究有所帮助。