概念设计的根本是创新和革新，概念设计过程是从逻辑思维到发散思维不断创新设计的过程。目前，自主式水下机器人（Autonomous Underwater Vehicle，简称AUV）在海洋方面的潜在应用价值广泛引起了各国的重视，并开始了对AUV的研究工作。在AUV的使用环境和任务要求确定之后，首先要做的就是对AUV进行概念设计。从传统意义上讲，AUV的设计过程大部分都是采用由特定的经验和经验法则所支配的设计方法。因为AUV的概念设计过程中存在着多目标优化问题，而这些传统的方法无法充分考虑各个学科之间的耦合作用，优化结果达不到系统整体最优，存在着很多弊端。随着AUV设计的不断发展，概念设计的进程也在不断创新。在AUV概念设计的过程中，研究者们开始将多目标智能优化算法应用于AUV概念设计中的多目标优化问题。本课题对AUV在总体概念设计阶段的多学科和多目标优化问题进行了研究，采用多目标进化算法（MOEA）中的改进的非支配解排序的多目标进化优化算法（NSGA-Ⅱ）来解决AUV概念设计中存在的优化问题，考虑了AUV的三个性能评估即效能、成本和风险。通过算法来对这三个目标在设计空间内搜索可行性和最优解设计。首先建立了AUV的系统模型。AUV的系统模型由一个输入模块，三个主要的AUV综合模块，一个约束模块、三个目标模块和NSGA-Ⅱ优化算法组成。AUV的效能是根据美国海军UUV主计划(US Navy,2004)的九个任务和根据综合模型由专家确定的四个附加属性定义的。AUV的风险包括性能、成本和进度三种风险。AUV的13种效能和3种风险的权重值的确定是一个多属性决策问题，为了解决此问题，论文采用了层次分析法（AHP）来确定AUV的效能和风险的权重值。其次论文运用多学科设计优化的思路，研究了AUV概念设计阶段的多目标的优化，并给出了优化的数学模型，并运用改进的非支配解排序的多目标进化优化算法(NSGA-Ⅱ)对AUV的成本、风险和效能进行了优化，最终给出了Pareto解集。一旦NSGA-Ⅱ算法产生最后一代可行性、最优设计，决策者就可以根据自己对目标属性的偏好来选择候选设计来进行更详细的设计。另外，还运用逼近理想解的排序方法（TOPSIS）对优化后得到的最优解集进行了选优。最后对成本和风险最低、效能最大和运用TOPSIS方法得到的四个候选设计进行了分析，完成了AUV概念设计侯选解的选择性验证。结果表明，采用此算法能够有效获得AUV综合性能的全局最优点。