航空发动机是精密、复杂的高科技产品，大部分零部件在高温、高压、高转速的恶劣的环境下工作，以满足高性能要求，确保安全可靠的运行。长期以来，其工作可靠性和结构完整性问题一直是制约高性能发动机发展的主要瓶颈，核心问题之一便是高速旋转的叶片轮盘结构振动问题。　　航空发动机叶片轮盘系统具有结构循环对称性特点，由于制造材料不均、安装误差及使用磨损或者是为了抑制颤振等原因，导致叶片物理参数的微小差别，破坏了循环对称性，称之为叶片失谐[1]。失谐造成叶盘系统受迫振动响应局部化，增加振动响应幅值，较高的振动响应降低了叶片的疲劳寿命，导致叶片高周疲劳失效。研究表明，大量发动机的重大事故都与叶片振动的高周疲劳有关，而叶片轮盘的振动局部化又是诱发叶片产生高周疲劳的重要原因。叶片在轮盘上的安装顺序不同会引起不同的受迫振动振幅，过大的响应振幅会造成叶片疲劳断裂，因此更换或者安装航空发动机叶片时需要找到一个将振动抑制在合理范围内的安装方案。航空发动机叶盘系统的叶片安装方案研究成为航空发动机生产和维修工程中的一个难题。因此，本文研究航空发动机叶片轮盘系统振动特性及多种优化配置方法对增强航空发动机的工作可靠性起着至关重要的作用。同时本文提出的算法，对于传统的智能优化算法可以提供几倍甚至几十倍的加速比，对于求解组合优化问题有较好通用性，可适用于多领域的优化求解问题。　　本文以航空发动机压气机叶盘系统为研究对象，首先使用模态综合超单元固定界面法计算预应力，子结构自由界面法计算响应，求得协调、失谐叶盘系统的振动特性及考虑叶榫盘接触的协调、失谐叶盘系统的动态响应特性。其次，建立叶盘系统的集中参数模型，并设计了兼顾错频、减振、抑制振动局部化的适应度函数，分别使用离散粒子群算法及基于GPU的多种群粒子群算法对失谐叶片的排序进行了优化研究。而后，基于微动滑移摩擦理论分析并建立了考虑非线性摩擦阻尼影响下的叶盘系统集中参数模型，并分别提出了禁忌遗传退火算法以及CUDA框架下的多初值并行遗传退火算法对叶片排序方案进行求解分析。再次，将人工智能方法与有限元方法相结合对多物理量同时失谐的失谐叶盘系统进行排布优化分析。最后，针对部分叶片失谐的工况提出使用Kriging响应面法拟合排布方案可行公式，并对响应面求极值的方法求得叶片最佳排布顺序，同样适用于多物理量同时失谐的应用场合。　　具体而言，本文完成工作如下：　　(1)针对传统CPU串行计算方法对复杂计算过程的组合优化计算时间较长，效率较差的问题，提出了基于GPU并行计算的离散解空间的组合优化问题内存分配模型与线程调配模型。并开发了含2自由度集中参数模型、3自由度集中参数模型与有限元模型3种优化模型，并包含本文全部优化算法的叶片排布优化应用软件。　　(2)建立了2自由度的叶盘系统集中参数模型，并设计了可以同时满足既可使用抑制颤振的错频方法又可以避免由错频引入的叶片失谐造成的振动局部化问题的适应度函数。针对叶片排序的模型十分适合并行求解的特点，引入人工智能中黑板模型用以交换数据调节种群，设计了基于GPU求解的自适应多种群粒子群算法并验证了其的求解精度与速度，并将之应用于失谐叶片排序。同时给出了无GPU并行运算环境的高速离散粒子群算法。　　(3)针对马尔科夫链在退火算法恒温过程中的无后效性，恒温循环运算完全独立，并且退火算法的局部搜索较有优势，引入遗传算法交叉算子与变异算子，辅以禁忌表避免重复寻优，提出了一种基于CUDA框架下的多初值并行遗传退火算法及其内存分配方式与线程调度方式。分别验证了算法在连续解空间与离散解空间的求解精度与时间效率。基于微动滑移理论，考虑缘板阻尼器的影响，建立3自由度叶盘系统集中参数模型，优化后与随机排序与顺序排序的结果对比，验证了本文方法的有效性。同时设计了在传统运算环境中使用的禁忌遗传退火算法，也可达到应用需求。　　(4)使用自适应多种群并行粒子群算法与有限元方法相结合对多物理量同时失谐的失谐叶盘系统进行排布优化并与集中参数模型对比分析。最后，针对部分叶片失谐的工况提出使用迭代响应面法拟合排布方案可行公式，并对响应面求极值的方法求得叶片最佳排布顺序，减少了冗余计算，计算效率大幅提高。