本文基于Kriging代理模型，就气动外形优化设计中EGO全局优化算法相关的问题进行了研究。先将算法涉及的遗传算法进行了自适应改造，结合自适应多点交叉、自适应交叉率和变异率，发展了考虑生存压力的自适应遗传算法(AGA)；接着，结合Kriging代理模型的构建，研究了Kriging代理模型中超参数取值与模型非线性度的关系；在此基础上，结合最佳改善期望函数EI，研究了基于Kriging代理模型的EGO全局优化算法，重点探讨了算法的并行性和多点更新策略，开发了基于多点更新策略的并行EGO算法计算程序，并把该程序集成到开发的基于API函数库的自动化工作平台。最后，应用本文发展的AGA和并行EGO算法，先对一个跨音速翼型进行了阻力系数极小化设计，结果显示，优化后翼型的阻力系数降低了16.23%，减阻效果明显；接着，对用于控制大攻角翼型失速特性的流动偏转器进行了优化设计，结果相比于干净翼型，上翼面流动分离得到了有效控制，其失速攻角推迟了将近7度。总体上，函数验证和气动外形优化算例都表明， EGO算法相较于AGA算法，搜索效率和搜索精度更高，本文发展的并行EGO算法，其综合性能优于经典的EGO算法，展示了一定的工程应用价值。