飞机设计是一个复杂的多阶段的过程，同时也是一个反复迭代、逐渐接近最优的过程。在飞机设计各阶段中，任务定义阶段、概念设计阶段和初步设计阶段的综合优化设计对提高飞机整体性能具有极其重要的意义。然而要实现飞机综合优化设计却绝非易事。由于飞机是一种大型复杂工程系统，它的设计覆盖多个学科，各学科设计都非常复杂，而各学科之间又相互关联，加之存在大量的设计变量和约束条件，使得要将各学科有效的组织起来进行飞机综合优化设计的难度非常大，如果采用传统的优化设计方法来实现几乎不可能。随着世界航空工业的发展，人们对飞机的综合性能提出了越来越高的要求，进行飞机综合优化设计的需求也就愈加迫切。在这种情况下，多学科设计优化方法(Multidisciplinary Design Optimization，MDO)应运而生。 本文以多学科设计优化算法及其在飞机设计中的应用为核心，主要进行了如下研究： 1．对现有多学科设计优化算法进行了较全面的分析，清晰地描述了各算法的算法结构，分析了它们的优缺点。 2．系统深入地研究了多学科设计优化中常用的两种线性近似技术和三种非线性近似技术。采用测试函数和工程算例研究了二次响应面、Kriging模型和径向基神经网络方法对不同维数和不同阶数问题的近似能力，并进行了比较分析。在此基础上给出了在工程优化中如何选择近似技术的建议性原则。 3．对并行子空间优化算法(CSSO)进行了深入研究。(1)研究发展了“基于全局敏度方程的CSSO算法”并进行了改进。指出基于全局敏度方程的CSSO算法存在收敛不稳定、容易发生早熟的问题，分析了产生这种问题的原因，并据此对该算法进行了改进，提高了收敛性能。(2)分析了基于响应面的CSSO算法的计算结构，指出学科级优化的作用实际上是为构造响应面提供一个新的试验点，据此发展了“基于近似技术的CSSO算法”。引入均匀试验设计方法和Kriging模型、神经网络等多种近似技术替代学科级优化，极大地减少了计算量，具有较强的工程实用性。通过数值算例和齿轮箱多学科优化算例验证了所发展算法的正确性和有效性。 4．对求解多目标优化问题的CSSO算法进行了深入研究。(1)研究发展了目标约