基于代理模型全局优化方法计算量小,设计周期短,能够大幅提高优化效率,被认为是解决复杂工程设计优化问题的最佳途径之一。但工程实践中仍有一些不足之处,多种因素诸如初始样本性能、代理模型精度、自适应样本设计方法优劣以及是否采用设计空间缩减策略等都对优化过程和最终优化结果有较大影响。本文对代理模型技术以及基于代理模型技术全局优化方法进行深入研究,并通过水下滑翔机外形设计应用来验证提出方法的有效性和可行性,主要研究成果如下:(1)针对传统优化试验设计方法需要耗费大量计算时间和计算资源的问题,提出一种快速优化拉丁超立方试验设计方法。在拉丁超立方抽样框架下,采用基于最大最小距离准则连续局部枚举方法设计生成高性能的小尺寸基础样本,然后利用“平移传播”算法通过“平移”基础样本得到大尺寸试验样本。结合样本尺寸调整策略,使该方法可以快速获得任意尺寸试验样本。测试结果表明该方法能够快速生成“空间填充”和映射性能良好的试验样本,从而提高后续代理模型精度。(2)针对单一代理模型无法适用不同特征“黑匣子”问题,提出一种基于组合代理模型自适应全局优化方法ESBA。该方法采用快速优化拉丁超立方试验设计方法设计生成初始样本点,并基于初始样本点构造3种经典单一代理模型:多项式响应面模型、径向基函数模型和克里金模型。随后使用基于交叉验证误差权重因子计算方法计算获得各代理模型权系数,通过加权叠加构建组合代理模型。建立面向组合代理模型自适应采样策略,根据优化过程中已知信息选取有希望样本点。通过连续增加新样本点,三种单一代理模型和组合代理模型能够在搜索过程中自适应地更新、重建,直至收敛获得全局最优解。研究结果证明该方法能够有效且稳定地处理不同特征“黑匣子”问题,拓宽了工程应用范围。(3)针对大尺度工程设计优化问题面临的计算资源不足、优化效率低下等挑战,提出一种基于多层设计空间缩减策略全局优化方法ESBA-MSR。该方法将ESBA方法和多层设计空间缩减策略相结合,进一步提高优化效率和解决大尺度工程问题的能力。在迭代过程中,将整个设计空间划分为三层等价空间:初始全局空间、有希望过渡空间和重要局部空间,每次搜索都只在其中一个空间中进行。通过确定全局最优点最有可能位于的区域,并在减小的设计子空间内增加新样本点,逐步提高近似模型在关键区域的精度。通过大量测试函数和工程算例表明使用多层设计空间缩减策略能够进一步提高ESBA方法优化效率,有效缓解大尺度工程问题的计算压力。(4)将新提出的基于多层设计空间缩减策略全局优化方法ESBA-MSR应用到水下滑翔机外形设计优化中。以现有翼身融合水下滑翔机为优化对象,提取沿展向关键站位处翼型信息。使用构建的翼型优化系统对各站位翼型进行优化,获得流体动力性能更优的新翼型。在保证滑翔机外部轮廓总体不变的情况下,将优化得到的站位翼型用于重新构建新型水下滑翔机三维外形。相比优化前,优化后新型水下滑翔机升阻比在攻角1°至10°范围内分别提高了0.29%到24.16%不等,且中心截面翼型最大厚度提高了7.9%,体积增加了3.46%,验证了本文提出的全局优化方法ESBA-MSR在实际工程应用中的有效性和可行性。