随着冷战的结束以及航天发射市场竞争的不断加剧，人们在不断提高产品性能的同时，更加关注降低产品成本，而产品概念设计(方案设计)阶段是降低产品成本最有效的阶段。本文在NASA提出的面向成本设计(DFC)概念的基础上，从定量和定性两条途径探索了实现DFC的方法和手段，并将其应用于固体火箭发动机概念设计过程中。 研究了遗传算法应用于多目标搜索的关键技术及主要解决措施，比较分析了几种主要的多目标遗传算法的优缺点，提出了一种改进的多目标遗传算法(IPGA)。该算法首先利用NSGA-Ⅱ算法得到近似的Pareto最优解；然后以增广的加权Tchebycheff方程作为评价函数，采用模式搜索法对由NSGA-Ⅱ算法得到的每个解再进行局部优化。通过测试函数计算表明，IPGA算法收敛性优于NSGA-Ⅱ算法。 阐述了面向成本的优化设计问题，并将多目标优化概念和方法应用于某运载火箭上面级固体发动机(CPKM)方案设计。研究了影响固体发动机主要部件制造成本的主要说明性设计参量，建立了相应的参数成本模型。采用IPGA算法，以该运载火箭上面级末速度增量最大及CPKM发动机的制造成本最低作为目标函数，对该发动机进行了双目标优化设计。发动机壳体分别采用APMOC材料和碳纤维材料时，计算得到了在目标空间分布均匀的Pareto最优解集及性能最优解，提出采用图解的方法确定Pareto最优解集中距理想点距离最近的点作为满意解(权衡解)设计方案。分析表明，与性能最优解设计方案相比，采用权衡解设计方案在经济上更合理。 分析了CPKM发动机权衡解附近设计参数对性能和成本的影响。利用模糊理论对传统QFD法进行了改进，提出采用两级QFD法将用户对CPKM发动机的需求转换为该发动机的设计特性优先序和部件特性优先序，以此在更加直接的层次上实现产品的面向成本设计。依据各指标满意区间的方法确定其隶属度，提高了隶属度的准确性，采用模糊综合评判法对12种CPKM发动机设计方案进行了综合评价和选择，得到了综合指标最优的设计方案。 在分析遗传算子对种群多样性影响的基础上，研究了GA的参数控制问题，提出了一种自适应性变异概率，它可在GA进化初期随着种群多样性的变化而自适应调整变异概率，并在GA进化的不同阶段采用不同的变异概率。通过标准测西北工业大学博_卜学位论文Ph.D.Dissertation ofNorthwestem Polyteehnical University试函数测试，表明采用自适应性变异概率的GA优于采用固定变异概率和适应性变异概率的GA。 研究了基于遗传算法的固体发动机壳体工艺流程面向成本优化问题。提出了数组链染色体编码方式，以及基于自适应性变异概率和模拟退火惩罚函数法的适应性遗传算法(AGA)。将AGA应用于某典型的最短路线问题的仿真测试，验证了其有效性。最后，针对固体发动机壳体制造工艺方案优化问题，以工艺路线的总价值系数为目标函数并以总成本小于某固定值作为约束条件，采用AGA得到了一条最佳工艺路线。 提出了一种结合灰色GM(O，N)系统模型和自适应神经一模糊推理系统(ANFIs)建立参数成本模型的建模方法。该方法利用灰色模型适用于小子样建模的特点在样本空间的贫信息区域插值生成附加网络训练样本，然后再由ANFIs重新训练网络。以导弹性能成本数据为例，计算表明该方法较好地解决了小样本情况下非线性函数的建模问题，提高了预测精度并能更好地反映导弹成本的变化趋势。