本文主要研究了多学科设计优化算法及其在导航星座设计中的应用,具体如下:对协同优化算法CO作了深入研究,从几何角度分析了协同优化的数学本质,指出协同优化的计算困难性在于两级优化结构以及系统级学科一致性的等式约束。深入分析了学科间不一致信息对于协同优化的重要性,并提出了描述学科间设计点和系统级期望点不一致性的DS范数以及描述各学科间设计点不一致性的DD范数。分析了DS范数和DD范数之间的关系,提出了一种基于DD范数的系统级学科一致性松弛约束和一种基于DS范数的系统级目标函数罚函数。在此基础上,构建了一种基于学科间动念不一致信息的协同优化算法COMI。并针对该算法,应用典型计算范例与标准CO算法、松弛CO算法等进行了比较研究。结果表明,与标准CO算法和松弛CO算法相比,在最优目标函数值和设计可行性之间取得了较好的平衡。深入研究了MDO计算框架实现问题。提出了一种基于HLA的协同优化算法框架COF-HLA,分析了COF-HLA在分布式CO实现中的一系列重要问题,包括联邦设计、对象类设计、时间同步策略、数据分发管理策略等。该框架提供了运行时间推进机制,可以使各分布式MDO计算节点在运行时间推进机制的统一协调下同步地迭代优化。该框架还提供了数据分发机制,大大降低了分布式计算时的网络通讯量,提高了整个CO计算的效率。并且该框架是一种通用化的计算框架,可以将特定的CO问题方便地套用计算框架来实现,从而提高了MDO程序的结构化程度,使得工程设计人员可以将精力集中于与设计相关的问题,不用过多考虑分布式MDO的实现。深入研究了基于物理规划的多目标优化方法。并在此基础上提出了一种基于物理规划的多目标协同优化算法。通过设计者构造的偏好函数,可以将CO计算的多目标系统级优化问题转化为单目标的综合偏好函数优化问题。通过仿真算例验证了方法的有效性。将本文研究的多学科设计优化算法用于解决导航星座设计问题,构建了基于HLA和STK的导航星座系统优化平台,利用基于物理规划的协同优化算法实现了某导航星座的参数设计优化。并将优化结果与一个仿GPS星座进行了对比。对优化结果的分析表明了该方法的有效性。