弹道优化是运载火箭总体优化设计的重要组成部分,在运载火箭的全寿命周期内,弹道优化设计均占有极其重要的地位。在弹道优化设计的过程中,目标函数的选取往往不止一个,在不牺牲飞行性能的前提下,必须综合考量各个因素,以达到经济角度下费效比的最优。为此,本文以运载火箭上升段弹道优化作为研究对象,建立火箭运动模型和多目标优化问题的数学模型,利用离散化的方法将该多目标动态优化问题转化为多目标参数优化问题,然后利用多目标智能优化算法求解该参数优化问题,并对不同多目标智能优化算法的结果进行分析和比较。本文的主要研究工作如下:首先,依据弹道优化设计问题的要求,对其进行动力学和运动学建模。利用空气动力学知识,分析运载火箭受力形式,建立运载火箭质心运动模型以及大气模型,给出运载火箭质心动力学方程、运动学方程以及必要的补充方程。其次,根据本文研究内容,判断多目标优化问题的类型,据此建立多目标优化问题的数学模型,确定优化变量和目标函数,列出各约束条件。对整条弹道在时间上进行离散化,利用四阶龙格库塔法可计算出各离散点飞行参数,得出整条离散化弹道。其动力学约束和过程约束则可分别转换为在各离散点上的等式约束和不等式约束,终端约束即是离散弹道上的最后一个点。自此,多目标动态优化问题转化为多目标参数优化问题。然后,根据各多目标智能算法特性,选择发展较为成熟且在多领域被证明可行的多目标遗传算法和多目标粒子群算法进行研究。分别从这两类多目标智能优化算法中各选一种经典算法,根据其原理编写算法程序,通过MATLAB仿真求解上述多目标参数优化问题,则可求出Pareto前沿。由于智能算法初值生成和变异等操作具有随机性,每次算出的Pareto前沿都不尽相同。循环多次运行程序,从每次算出的Pareto前沿中选择一个最优解,对这些最优解的收敛性进行观察分析,验证所使用算法的可行性和正确性。最后,对多目标优化算法进行比较,观察两种算法所求得的解,分别对其计算时间、计算结果的收敛性和收敛速度进行分析评估,比较两种算法在求解本文问题上的能力。