随着世界社会经济的高速发展,汽车制造业得到飞速发展,汽车已经成为人类出行和运输中不可或缺的重要工具。随着汽车保有量的急剧增加,能源短缺问题日益凸显。节能降耗以提高汽车的运输生产率成为汽车工业亟待解决的重要课题之一。汽车发动机与传动系以及传动系各组成部分之间的匹配是否合理,是影响汽车动力性和燃油经济性重要因素。为实现提高行驶效率并减少燃油消耗的目标,利用计算机模拟技术,应用多目标优化遗传算法对汽车动力传动系参数最佳匹配问题进行研究。为保证算法获得均匀离散分布的Pareto解集,且具有较好收敛性,提出了一种自适应多样性保持策略,并基于该策略构建了自适应保持多样性的多目标优化遗传算法ADMMOGA。算法基于信息熵的概念给出了度量群体多样性测度种群熵。根据策略中引入的存档群体的种群熵动态地调整群体的进化模式,实现“利用”和“探索”两种搜索模式的自动转换,有效地控制保留精英个体的数目,探索稀疏区域内的新个体,指导新一代群体的构成方式。ADMMOGA算法具有较优的收敛性能和分布特性,改善了其他算法由于群体缺乏多样性所产生的停滞或早熟现象。在给出汽车发动机和传动系数学模型的基础上,设计了汽车动力传动系参数优化的多目标优化数学模型,为求解最优匹配Pareto解集奠定基础。发动机数学模型包括发动机使用外特性和发动机万有特性的数学模型。汽车传动系数学模型主要包括离合器接合过程数学模型、变速器数学模型、驱动桥数学模型及传动系效率数学模型等。汽车动力传动系参数优化的多目标优化数学模型,以变速器各挡传动比和主减器传动比为决策变量,选取与车型特点相适应的动力性、燃油经济性和汽车综合性能评价指标作为分目标函数,以汽车动力性和速比要求作为约束条件。此外,还给出了汽车动力性、燃油经济性和综合性能的各分目标函数的计算机模拟算法。动力性模拟计算给出了原地起步加速时间的模拟算法；燃油经济性模拟计算给出了多工况循环行驶百公里燃油消耗量的模拟算法；汽车综合性能模拟计算给出了驱动功率损失率、有效效率利用率和汽车能量利用率的模拟算法。提出运用基于双群体的差分进化算法解决汽车动力传动系参数优化中的约束问题。针对差分进化算法收敛速度相对较慢的缺陷,给出一种改进的基于双群体的差分进化算法。算法采用双群体的搜索机制,一个群体保留可行解,另一个群体保留不可行解；给出两种产生新个体的方法,不仅可以保持最优可行解中的优良特性,增强算法的收敛速度,也可有效利用不可行解中的有用信息产生更优个体。将该算法应用于汽车动力传动系优化匹配中,有效解决了的多目标优化问题中对约束条件的处理。运用多目标遗传算法对汽车动力传动系参数优化问题进行应用研究。针对汽车动力传动系参数优化问题,具体设计了算法中个体编码方式、个体适应度测度、遗传算子及算法的控制参数。以某微型车为例,对其传动系参数进行了优化,得到了一组均匀分布的全局Pareto最优解。对比优化前后汽车的动力性能和燃油经济性能,优化结果令人满意,从而验证了应用基于自适应保持多样性的多目标优化遗传算法解决汽车动力传动系参数优化问题是一种实用而有效的方法。