亚轨道飞行器是一种典型的新概念飞行器,日益引起各航天大国的重视,发展亚轨道飞行器对我国发展航天事业建设航天强国,保障国家安全维护发展利益,具有十分重要的意义。论文以亚轨道飞行器为研究对象,系统研究了适用于亚轨道飞行器总体设计的优化方法,并将其应用于亚轨道飞行器总体设计优化问题。首先,研究了粒子群算法(Partical Swarm Optimization,PSO)、基于雁群启示的粒子群算法(PSO Based on Geese Flight,GoosePSO)和模式搜索法(Pattern Search,PS),提出了雁群粒子群算法与模式搜索混合优化算法(Hybrid Optimization Based on PS and GoosePSO,PSGPSO),函数测试表明,该混合优化算法有效提高了算法的收敛精度,但同时带来了调用函数次数增加的代价。其次,将染色体变异的概念引入粒子群优化算法,提出了染色体变异粒子群算法(PSO Based on Chromosmal Variation,CVPSO),通过函数测试,给出了变异率取值范围,测试结果表明染色体变异粒子群算法有效提高了粒子群的种群多样性,改善了基本粒子群算法对高维函数的寻优性能。将染色体变异粒子群算法推广到多目标优化问题,提出了多目标染色体变异粒子群算法(Multi-objective CVPSO,MOCVPSO),函数测试表明,多目标染色体变异粒子群算法较多目标粒子群算法改善了非劣解的分布性能,在解的收敛性方面性能相当。然后,研究了基于动态信赖域代理模型的优化方法(Optimization Strategy Using Dynamic Metamodel Based on Trust Region,DTR),对该优化方法提出了三点改进,一是算法初始选定信赖域中心时,构建全局代理模型,采用全局近似优化解作为最初信赖域中心点;二是借鉴模式搜索策略改进信赖域的移动方式;三是引入继承拉丁超立方采样提高代理模型采样效率。函数测试表明,改进的基于动态信赖域代理模型的优化方法(Improved DTR,IDTR)降低了函数调用次数,节约了分析高精度模型的耗费,同时改进的基于动态信赖域代理模型的优化方法的收敛精度和稳定性也较好,能够快速收敛到局部最优解,并具有探索全局最优解的能力,但是对于震荡剧烈的多峰值函数可能错过全局最优解。最后,初步研究了亚轨道飞行器总体设计优化问题,采用组合代理模型对亚轨道飞行器进行气动建模,同时对亚轨道飞行器的质量学科、控制学科和弹道学科进行了建模,以接地速度和接地角为目标应用多目标染色体变异粒子群算法进行了多目标优化,给出了亚轨道飞行器总体设计优化的初步方案。