飞行器高水平、高效率的开发设计对航天航空事业的发展有着举足轻重的作用。随着计算机技术的发展,计算机仿真技术在飞行器的研发设计中得到广泛应用,有效地缩短飞行器的研发周期。对于飞行器设计,其涉及的计算仿真模型通常较为费时,如:计算流体力学和有限元分析,直接使用高精度的计算机仿真模型进行优化设计将会消耗大量的计算资源,于此产生了代理模型技术,以取代高精度仿真模型进行优化设计。为了保证代理模型的精度往往需要多次调用高精度模型,计算量依然十分庞大。随着建模技术的发展,在飞行器研发的过程中,往往会存在不同精度和计算量的各类仿真模型,通过多可信度建模技术,以少量的高精度仿真数据为引导,有效地融合这些不同精度的模型,在保证代理模型精度的同时,显著降低计算量。同时,为了进一步降低计算量,序列抽样策略越来越多地被应用于飞行器的优化设计,尽可能地提高优化设计的效率。于此,本文面向飞行器设计,针对基于多可信度建模的优化设计,主要围绕其中的两个关键环节——建模中模型的超参数估计方法和序列抽样算法展开了深入研究。首先,基于经典的cokriging模型构架,利用高斯随机过程的叠加性,提出新的超参数估计方法,充分发掘并利用所有模型之间的相关性,通过构建统一最大似然函数,一次性寻优得到模型超参数,提高了 cokriging代理模型的预测精度。其次,在前述提出的超参数估计方法的基础上,提出新的拓展期望改进准则以进行更为有效合理的序列抽样,在原有的期望改进准则上,增加了表征模型预测能力的仿真模型后验相关性函数、表征计算费用的计算代价比值函数以及表征样本点密集程度的密集度函数,能同时确定新填充样本的输入位置以及相应的评估模型。然后,实现了前面提出的超参数估计方法和序列抽样策略在机翼多可信度气动优化中的应用。最后,针对实际工程中不能明显区分模型精度的情况,研究了非层次型的多可信度建模理论和方法,并与本文新提出的考虑全相关性的cokriging建模方法进行了比较,分析了其有效性与适用范围。