本论文研究了仿真优化中的统计选择问题。该问题在工农业生产、金融银行、交通运输、通信网络、航空航天以及医疗卫生等领域有着广泛应用。近年来,该课题引起了研究者极大的兴趣。本论文主要有两个贡献：首先,我们将最优计算预算分配法拓展到仿真资源存在共享的情形；其次,我们将统计选择问题推广到动态仿真资源分配与系统设计选择的框架下进行研究。我们首先研究了仿真资源共享情形下的最优计算预算分配法。该问题研究的出发点在于：仿真中常用的减小方差的方法中经常伴随着仿真资源的共享。最典型的例子是共用随机数算法与标准钟算法,在应用这两种方法对不同系统仿真时共享了信息与仿真资源。当目标函数为极大化正确选择最优系统的概率时,仿真资源存在共享以及不同系统仿真的计算代价不相同这两个因素对于如何在不同系统设计间分配仿真资源是需要考虑的重要因素。我们对问题重新进行建模,将这两个因素考虑进了最优计算预算分配法。新的优化问题是前人研究过的存在相关性情形下的最优计算预算分配法的拓展。我们设计了一个近似算法有效地求解该优化问题,并通过一个启发式的两阶段算法来实现仿真资源的分配。我们通过几个数值算例说明最优计算预算分配法及其拓展方法在数值表现上的提升。然后,我们在一个一般的动态决策框架下考虑统计选择问题。新的框架包括动态仿真资源分配与最优系统选择策略。在此更一般的框架下,传统的正确选择的概率无法恰当地研究该框架所包含的两个方面,因此引入了平均正确选择概率来更好地度量目标。对于新的目标函数,文献中常用的选择样本均值最大的系统作为最优系统不一定是最优的。最优系统选择策略应该选择系统设计使得后验平均正确选择概率最大,而后验平均正确选择概率为系统输出的后验均值与后验方差的非线性函数。由于,对最优系统选择策略一般无法解析地求解,我们设计了一个近似方法来有效地求解。对于仿真资源分配策略,我们研究了一个“短视”资源分配策略,它是知识梯度法的拓展。另外,研究了渐进最优资源分配策略,它为渐进最优资源分配统计量与动态资源分配规则的复合。最优计算预算分配法可以理解为渐进最优资源分配统计量的特殊情形。我们用数值算例来说明新框架下的新方法在数值表现上的提升,而在小样本情形下提升最为显著。