在汽车等产品的喷涂作业中，多数都是保证漆膜质量要求的前提下，考虑漆膜厚度均匀和喷涂时间，但大多数的喷涂工艺参数均为经验值，不利于大型汽车制造的生产质量和生产效率的提高。针对这些问题，本文做了以下几个方面的研究：　　 1．根据实际生产情况、汽车行业的涂膜质量标准和提高喷涂效率的要求，综合考虑汽车喷漆漆膜厚度方差和喷漆用时两个优化问题，建立汽车喷漆漆膜厚度方差和喷漆用时的数学模型。　　 2．分别利用先验偏好信息和后验偏好信息的满意优化方法，对喷漆多目标优化问题进行优化。　　 3．通过实验验证数学模型优化得到的工艺参数和优化结果。　　 本文研究结果如下：　　 1．通过先验偏好信息和后验偏好信息的满意优化方法的优化结果，确定后验偏好信息满意优化的优化方案。　　 2．对于后验偏好信息的多目标优化问题，首先利用先进的多目标遗传算法NSGA-Ⅱ对汽车喷涂的数学模型进行优化；其次构造满意度函数，得到每个解对应目标的满意度值。利用淘汰优化算法，使得最优解集缩减为只包括M-Pareto最优解的子集；最后利用模糊C均值聚类法，将包含一定数量解的子集进行分类，得到代表子集，决策者可以根据自己的偏好信息，确定满意解。　　 3．通过实验得到的漆膜厚度和喷涂用时基本符合数学模型优化结果。实验验证了后验偏好信息满意优化算法的有效性，为实际生产中，工艺参数的选择提供了可靠的依据。