置信规则库（Belief Rule-base,BRB）是在Dempster-Shafer证据理论,决策理论与模糊理论的基础上发展起来的一种综合性复杂系统建模方法。研究者已针对BRB模型的参数与结构优化问题展开了较为深入的研究,但现有大部分研究都是将参数与结构的优化分开考虑的,并不能实现两者的协同优化。模型参数与结构分别决定了BRB建模的准确度和规模的复杂度,实际中更需要兼而治之,以便找到精度和复杂度之间的平衡解。鉴于此,本文开展置信规则库参数与结构的协同优化方法及其应用研究,主要工作如下:（1）基于平行多种群与冗余基因策略的BRB单目标优化方法。采用平行多种群策略对不同的BRB（规则数量不同）同时进行优化;采用冗余基因策略确保这些BRB能够顺利进行交叉/变异等优化操作;采用差分进化算法中的适应度搜寻到每一种群中存在的最优个体,而这些个体即构成一组具有最优参数与结构的BRB模型（等于种群的个数）。由于不同种群中最优个体的选择是通过比较各自种群中个体的适应度筛选得到,不同种群之间的个体各不交互,相当于多个任务独立进行选择最优个体,所以该方法本质上是单目标优化方法。（2）基于主导从属框架的BRB多目标优化方法。为了进一步提高模型的精度,引入主导从属框架,通过最小化系统的均方误差和BRB的规则数来产生和更新帕累托前沿;采用多线程并行优化机制将不同种群（种群中个体数量相同）分配至从属优化的多个线程中,多个线程并行计算以提高种群的多样性,防止模型的解陷入局部最优。由于主导优化过程中帕累托前沿的更新是通过比较不同种群中所有个体产生的适应度值与帕累托前沿上的最优解（低于种群的个数）获得的,不同种群之间的个体可以交互,所以该方法是多目标优化方法。（3）在石油管道泄漏量估计问题中的验证与分析。利用BRB模型建立输入量（石油管道压力差、流量差）与输出量（管道泄漏值）之间的非线性关系,当在线获取输入量采样值后可以通过BRB模型推导出输出量的估计值。分别应用以上提出的单目标、多目标优化方法对各自BRB模型进行优化并展开检测估计效果测试,由此得出结论:模型解的数量上前者多于后者,估计精度上后者高于前者,在解决工程问题中,可以根据实际需求选择使用。