仿真评估包含对仿真系统/模型本身的评估和基于仿真的评估两个方面。随着仿真对象的复杂化和仿真应用需求的提高,仿真系统呈现出大规模、非线性、不确定性、连续离散混合、输出变量复杂、仿真数据量大等特点,现有仿真评估、优化方法与工具面临巨大挑战。论文针对复杂仿真模型可信度评估、体系效能仿真评估与优化开展深入研究。从仿真系统内部和外部两方面分析复杂仿真的若干复杂特性,给出复杂仿真评估与优化问题的数学描述。针对大规模系统观测数据缺乏时,多子模型构成的复杂仿真模型可信度评估问题,构建基于输出变量间关系的可信度外推结构模型,采用贝叶斯网络由子模型验证数据估计系统级输出的后验分布,并基于最大后验概率密度置信域准则分别对子模型和系统级模型进行结果验证。另外,该验证准则在观测数据充分的前提下,能够有效提高验证结果的准确度。针对非平稳、多元、异类且具有相关性和不确定性的复杂仿真输出,分别提出基于Hilbert-Huang变换的模型排序评估方法和基于变量相关性分析与概率分布差异结合的结果验证方法。针对非平稳时间序列输出,采用经验模态分解将输出数据分解为趋势项和平稳项,提出基于Hilbert谱密度的平稳项一致性分析方法,利用灰色关联分析计算仿真模型排序结果。针对多元、异类、相关输出,采用互信息和分形维数法分别提取动、静态输出的相关变量子集,考虑不确定性因素的影响,基于联合概率分布差异法度量仿真模型可信度。针对体系效能仿真评估中各装备影响关系复杂的问题,以及高效的体系效能仿真优化需求,分别提出面向多装备协同的效能评估方法和基于序贯元模型与改进多目标优化算法的效能优化方法。基于关联规则挖掘对海量仿真数据进行关联分析得到指标间关联关系,构建网络化评估指标体系,并采用网络层次分析法实现效能综合评估。另外,改进传统的多目标优化算法解决连续离散混合优化问题,与元模型方法相结合提高昂贵仿真优化效率,并提出空间填充和聚类相结合的开发-探索序贯策略,进而提高元模型拟合精度。针对复杂仿真评估与优化、仿真大数据管理与分析需求,开发基于Hadoop的复杂仿真综合评估系统,支持分布式数据管理与并行分析、复杂仿真结果验证、复杂仿真模型可信度外推、体系效能仿真评估与优化等功能。采用Hadoop环境为仿真数据管理与算法运行提供支撑,具有算法可扩展、组件可重用、过程可视化等特点。通过某防空体系仿真可信度评估、效能仿真评估与优化的相关应用,验证了系统的有效性和实用性。最后,总结了论文的主要创新点,并对下一步的研究工作作出了展望。