众所周知，实际的优化问题中普遍包含着各类不确定性，为此，研究能够有效处理含不确定性优化问题的技术方法具有理论与实际意义。论文针对两类典型的含有不确定性的优化问题展开研究，一类是针对某些操纵变量间难以建立起严格数学模型的情况，另一类是考虑某些模型参数难以准确确定的优化问题。对于第一类问题，论文提出可以根据历史数据及操作专家的经验建立起变量间的模糊语言描述。采用CRI推理方法建立变量之间的映射关系，从而构造了一类含模糊规则约束的数学规划模型，最后给出了一类融合模糊推理的遗传算法对其进行求解。对于第二类问题，论文采用模糊数学规划方法对其进行处理。基于模糊数排序，将模糊规划问题转化为等价的精确规划问题并进行求解。同时，使用灵敏性分析考察模糊集合对目标函数及总体满意度的影响，进而通过减少其中关键模糊集合的模糊性提高最优解的满意度。论文使用了数值及工程实例，验证了所提方法的可行性与有效性。