經濟、工業的快速發展使優化技術得到廣泛的應用，而工程優化問題中常常存在多個需要優化的目標，這就使得一組最優的設計變量很難滿足所有目標的要求。因此，傳統的單目標優化方法處理此類優化問題具有很大的局限性。與此同時，由于制造、安裝和測量等誤差的存在導致某些確定性的參數表現為不確定性變量，確定性優化方法在處理此類問題時會降低其準確性。基于概率的隨機和模糊規劃方法以及非概率凸集模型方法可以處理此類優化問題。但是隨機和模糊規劃不確定性優化方法需要獲得精確的分布信息，限制了其在工程優化中的設計應用。凸集模型主要包含區間和橢球模型，區間模型優化方法可以應用區間來描述優化問題中的不確定性變量，但是區間方法只能處理相互獨立的不確定性變量，而橢球凸集模型方法可以較好的處理相關變量的問題。因此，本文對非線性橢球凸集模型多目標不確定性優化問題進行研究，研究將針對以下幾個方面來開展：首先，提出一種基于橢球凸集模型的非線性多目標確定性轉換模型來解決優化問題中的不確定性變量，將其轉化為確定性優化問題。然后，應用局部加密近似模型方法來提高此多目標優化方法的優化效率。最后，將此多目標優化方法應用到車輛工程中解決工程優化中的實際問題。基于此，本文的研究思路如下： 1、提出一種基于橢球凸集模型的多目標不確定性優化方法。為了解決優化問題中的不確定性變量，區間序與區間可能度方法被分別應用于處理目標函數與約束函數，將其轉換為確定性的多目標優化問題。罰函數方法的應用將此確定性優化問題轉換為無約束的兩層嵌套優化問題，應用微型多目標遺傳算法與隔代映射遺傳算法來分別尋優設計變量與不確定性變量。最后，數值算例被用來檢驗此算法的有效性。 2、提出一種基于局部加密近似模型的多目標不確定性優化方法。首先應用徑向基函數（RBF）近似模型方法構建目標函數與約束函數的近似模型，在算法每一迭代步，應用近似模型代替真實模型來求解，獲得最優的設計變量與目標函數值。引進局部加密近似模型方法來用更少的樣本點獲得較高的模型精度，計算最優設計變量處目標與約束函數的邊界誤差值，將誤差較大的點作為新的樣本點來更新近似模型以此達到提高優化效率與精度的目的。最后，計算并比較數值算例來檢驗該局部加密近似模型方法。 3、將基于橢球凸集模型的多目標不確定性優化方法應用于車輛懸架系統的優化問題中。建立汽車懸架系統的數值計算模型，基于此數值模型來構建多目標不確定性優化問題，最后應用基于橢球凸集模型的多目標不確定性優化方法來獲取 Pareto 最優解。將基于局部加密近似模型的多目標不確定性優化方法應用于汽車乘員約束系統的優化問題中。構建乘員約束系統仿真模型，分別選取設計參數與不確定參數來構建其多目標不確定性優化模型，應用基于局部加密近似模型的多目標不確定性優化方法來獲得最優的設計變量以及目標函數值。最后，分別討論了算法中各個參數對于優化結果的影響以及本方法優勢。