气动布局设计对飞机的综合性能起着至关重要的作用。现代飞机设计对气动布局的设计要求可以归结为：气动性能更高，设计周期更短，设计耗费更低。气动布局优化设计技术是提高飞机气动性能及设计效率的有效手段，但是目前的气动布局优化技术在气动设计中发挥的作用还远未达到人们的期待。气动布局优化要获得良好的效果，需要具备三个基本要素：首先，参数化方式要能够充分表现所有可能的外形，即有效设计空间要大，以便包含最优的外形。这就要能处理足够多的设计参数，因为设计参数越多，所能表现的外形也越多、越精确。其次，寻优方法要能够充分搜索这个庞大的设计空间，得到全局最优或接近全局最优的布局。最后，目标函数解算器要有足够高的精准度，能够分辨优化过程中，气动特性的微小改变，同时，目标函数的变化要能够确实反映物理量的变化。一种优化设计方法，如果同时具备这三个要素(Global search, High accuracy, Manydesign parameters,简称GHM条件），就有可能找到真正的全局最优外形。经过数十年的发展，气动布局优化设计技术在三个要素上有了长足的进步，但是距离实现极多参数、高精度、全局寻优的终极目标还有较大的差距。目前大部分的优化设计技术都只具备其中的一个特征，少数优化设计技术具备其中的两个特征，同时具备这三个特征的优化设计技术在国内外都还没有出现，这也是目前的优化设计技术所取得的效果与预想还有很大差距的主要原因。现代飞机设计对满足极多参数、高精度、全局寻优（GHM)的气动布局优化设计技术有着巨大的需求。本文的研究以满足这个需求为目标，通过解决GHM优化设计技术中的困难：比如多参数全局寻优难题，发展具备GHM优化能力的软件平台，为气动布局设计提供了一种新的工具。本文首先总结了目前主流气动布局优化设计技术的特点，指出这些技术与GHM优化还有很大的差距。而基于伴随算子的气动布局优化设计技术多参数和高精度两个要素，未实现全局寻优。理论分析表明参数越多，目标函数成为多极值函数的可能性越高。随后，通过研究翼型、机翼和全机的气动特性-设计参数曲线和曲面，证实了这一点。在基于伴随算子的气动布局优化设计技术中，目前都在使用基于敏感导数的局部寻优算法，因而对于多极值的气动布局优化很难取得好的效果，这也是目前基于伴随算子的气动布局优化设计技术优化效果远不如预期，且未得到大规模的工业应用的主要原因。本文的研究以基于伴随算子的气动布局优化设计技术为基础，通过发展多参数全局寻优技术，并将其用在基于伴随算子的气动布局优化设计技术中，从而形成满足GHM条件的优化设计技术。多参数全局寻优难于实现的关键在于全局寻优算法的计算量随着设计参数的增加急剧增长，迅速超出硬件系统计算能力。为了解决这个问题，本文提出了两个设想：1目标函数与设计参数之间的关系虽然很复杂，但还是有一些规律可循，而这些规律可能是多参数全局寻优算法的钥匙。2寻优过程就是目标函数信息的发现和利用过程。目前在基于伴随算子的气动布局优化技术中，敏感导数数信息并未得到充分的利用。而更好的利用这些信息，就可能得到更好的优化结果。基于这个设想，本文对目标函数-设计参数关系进行了进一步的研究和分析，发现了这样的规律：目标函数是少部分设计参数的多极值函数，是大部分设计参数单极值函数。据此提出了基于参数分类的多参数全局寻优算法（ParameterClassification Based Mixed Optimization, PCO),这种算法利用敏感导数信息将设计参数分成多极值设计参数和单极值设计参数，然后分别对这两种设计参数使用全局和局部寻优算法，这样就有可能在可接受的计算量内，获得全局最优解。随后，使用模型函数对该算法进行了优化验证，结果表明这种算法可以大幅提高优化效率和效果。本文以雷诺平均NS方程作为主控方程，使用有限体积法，osher格式，多块结构网格发展了流场解算器和与该解算器耦合的伴随算子解算器，采用并行计算技术以提高速度。计算了RAE2822，M6等翼型和机翼的流场，并将计算结果与试验结果进行了对比，二者吻合良好。将伴随算子解算器计算得到的敏感导数与差分法计算得到的敏感导数进行了对比，二者也吻合较好。说明解算器具有较高的求解精度，能够满足GHM优化的要求。最后，将流场解算、伴随算子解算、参数化、动网格、寻优等功能模块组合起来，就行成了具有GHM寻优能力的优化设计软件ADJ0PT。采用该平台对翼型、机翼和全机进行了优化验证，并与传统的伴随算子优化技术进行了对比。结果表明ADJ0PT确实具有一定的全局寻优能力，对大飞机的布局的优化，其减阻效果比传统的伴随算子优化技术提高了7倍以上。