本文研究了以下三种不同的凸化方法： (1)一类全局优化问题的广义凸(凹)化方法；(2)Lagrangian函数的局部凸化方法； (3)多目标优化问题的非劣有效前沿的凸化方法。并且本文提出了两种新的广义凸化算法。 本论文的研究成果可以主要概括为以下两个方面： (1)在已有研究成果的的基础之上，针对一类非凸优化问题，本文设计了一种广义的凸化方法。该方法将原问题转化为一个等价的优化问题，转化后的等价的问题具有较好的结构。在一定的假设条件下，本文证明了等价问题的Lagrangian函数具有局部鞍点和局部凸性。本文中的广义凸化方法扩大了许多重要的优化理论的适用范围并为实际问题的处理提供了多种具体的变换函数。 (2)针对多目标优化问题的非劣有效前沿，本文提出了一类广义的凸化的变换。具体地，本文使用该变换将原问题转化为另个一多目标优化问题，新问题与原问题有相同的非劣有效前沿。进一步，本文证明了，在适当的假设条件下，新问题的非劣有效前沿是凸的或是局部凸的。从而，实现了对原问题的非劣有效前沿的全部或部分凸化。这种凸化方法的意义在于扩大了加权法的使用范围而且提供了更多的凸化方案从而可以更加有效的处理实际问题。 针对上述两种广义凸化方法，本文进行了数值实验，数值结果充分表明所提出的凸化方法法具有有效性和可行性。 在文章的最后，本文总结了凸(凹)化方法中仍然存在的问题，并提出了几个未来的研究方向。