在实际昂贵约束优化问题中经常会涉及计算机仿真技术的使用,这些仿真分析的计算成本往往十分昂贵,造成了求解难度的增加。约束优化进化算法可以在不考虑问题具体特征的前提下进行优化解的搜寻,但却不能直接用于求解昂贵约束优化问题。代理模型能有效解决求解耗时的问题而引起越来越多的关注,但是也面临求解效率的问题。为了减少计算时间与成本并保证较高的求解效率,本文对基于代理模型的进化算法开展研究,主要的研究内容包括以下几个方面:(1)给出了昂贵约束优化问题的求解框架。该求解框架使用适应度值近似策略来引导约束优化进化算法找到最优解或近似最优解,并减少适应度评价的次数,能有效解决求解耗时且非线性程度较高的昂贵约束优化问题。(2)在优化算法方面,提出了非支配排序差分进化算法。该方法对动态混合框架算法进行了改进,并通过引入新的搜索机制、快速非支配排序策略和精英保留策略,保证了收敛性并维持了种群的多样性。通过多个测试函数的计算与比较分析,验证了该算法的收敛速度和求解精度。(3)提出了基于动态代理模型的非支配排序差分进化算法。通过Kriging代理模型引入到非支配排序差分进化算法,减少了昂贵约束优化问题的计算成本。本文通过构建样本点选择策略、全局和局部代理模型近似策略、样本库更新策略,来引导种群最后收敛到精确的最优解。针对多个标准测试函数做了测试与比较,验证了该算法的有效性,并将该方法成功用于压力容器的优化设计中。