试验设计是以概率论和数理统计为理论基础，科学安排试验的一项技术，在各个领域都有广泛的应用价值。而最优设计是为了保证估计量在精确性方面具有某种优良性质所采用的设计方法。 本文第一章对最优设计及全文的主要内容做了简单介绍。 本文的第二章是讨论多响应模型中Bayesian意义下的最优设计构造算法。在参数β具有正态先验分布的条件下，先求出β的后验分布并根据后验分布的协方差阵得到多响应模型的信息矩阵。利用方向导数可以推出该信息矩阵下，LB-和DB-最优设计的等价性定理、设计的效，根据这些结论我们构造最优设计的算法并且用Matlab实现算法。在这个算法中设计点的个数是固定的，在每一步迭代中加入一个满足相关条件的最优点，再删去一个最差的点，通过计算效来判断这一步得到的设计是否已经达到要求，若不符合再进行迭代直至达到满意的效。 本文的第三章讨论多响应模型的协方差矩阵∑未知时，A-最优设计的序贯算法。当多响应的协方差阵∑未知时，我们用它的一致估计矩阵来代替，根据多响应模型A-最优设计判别准则，得到上述条件下的等价性定理并给出构造最优设计的序贯算法，这个算法是在每步迭代中加入一个满足条件的点，加入点后的设计逐步收敛到最优设计。从计算的结果看，这个算法所得到的设计收敛性较好，∑的估计中出现的随机扰动对最优设计的影响并不大。本文第四章我们用Matlab实现了第二、三章的算法，并给出了几个相应的例子。在计算过程中，需要求多元函数的全局最值，我们使用了方开泰、王元(1996)的数论方法SNTO来求最值，该方法的收敛速度较快，所花时间不长，比较适合本文的计算。从实际计算的结果看，迭代算法对大部分模型的效果都比较好。