复杂产品的传统设计模式周期漫长，代价高昂，并且往往只能获得一个可行的设计而无法获得系统最优。多学科设计优化正是为了更好的实现新的设计理念而提出的针对复杂系统设计的新方法，通过充分利用各个学科之间的相互作用所产生的协同效应，以获得系统的整体最优解。多学科设计优化领域中的若干问题如多目标优化问题多层决策优化问题等正成为工程应用的热点，但这些工程问题的实际求解复杂性对算法从各个方面提出了新的挑战。本文研究了多学科设计优化问题领域中的一系列问题：　　智能算法的比较研究到目前为止还没有一个为大家所公认的衡量指标，本文首先对MDO领域中涉及的几种智能优化算法的特点进行了详细的研究总结，在此基础之上提出了时间、精度、解决问题的个数等几个比较指标，首次将精度作为算法比较指标，并且创新性的提出一个针对工程问题的有效的比较指标——短时寻优能力。建立了算法比较的三维模型，可以作为工程应用中算法选择的科学的依据。给出算法选择一般流程，对算法的选择有很强的指导意义。通过对所选取的系列案例运行得到一系列对工程问题有指导意义的结论。　　研究了多目标优化保持解的多样性和提高计算效率的策略改进问题。基于协同遗传算法的进化机制和结构给出了一种适合于求解多目标问题的并行协同遗传多目标 MDO算法框架，该框架与 MDO算法体系中的协同优化算法和并行子空间优化算法都是并行的处理问题，但是这种算法框架在变量分配、目标选择、约束满足、耦合量处理等方面较二者更简单直观，构建也更容易。　　对算法改进进行了改进策略分析。分别从个体适应度、选择操作和维持种群精英解策略方面给出了改进建议。提出了能够改善收敛性能和收敛速度的基于混合策略的遗传优化算法。与一般的混合策略不同，该混合策略包括两个方面：遗传算法本身的混合策略—采用多种交叉算子混合，能够更有效的保持解的多样性；另外，将遗传算法与几种启发式算法混合构成混合遗传算法提高解的搜索效率。根据 NSGAⅡ对初始群体的依赖性缺点，按照算法融合的思想，将经典算法与现代算法进行融合，提出了贪心NSGAⅡ、分支定界 NSGAⅡ和Or-opt NSGAⅡ三种算法。通过美国密西根州配送中心实例分别验证算法的有效性和可行性。　　对多层优化问题进行了研究。多层优化问题是在一个优化问题的约束条件中包括另一优化问题，是非常复杂的优化问题，其求解非常困难。本文研究了作为多层优化问题之一的带有多目标的三层优化问题，从三层优化问题的数学模型角度出发，分别从求解效率和求解准确性两个方面给出了两种算法。按层进行计算，从最外层开始计算，将每一层计算的结果保留一定的余量作为里层开始计算的初始区间，区间不断递进缩小。另外本文构造了一种基于空间平衡点的平衡空间法来求解三层多目标优化问题，将每一层单独作为一个多目标优化问题来解决，在每一层都得到有效的Pareto解集而非单一的解，可以避免多层优化整个解空间点可能是非凸分布而带来的影响。并挖掘了其工程应用潜力。　　最后，本文用微机电系统梳齿式微加速度计为工程应用背景，验证了所提算法的有效性和正确性。