随着科学技术的不断发展与扩大,各个领域的专家或学者尝试着将不同学科的知识结合在一起并应用在其他领域中,其中智能理论算法就是建立在仿生物的基础上,通过计算机来实现的一种智能算法,目前这种智能算法被应用在不同的学科领域,在实现预判、控制、监测以及其他方面具有快速、精确等优势,得到了越来越广泛的发展与认可。因此对智能理论方法进行分析与应用研究具有很重要的意义。本课题对人工鱼群算法(AFSA)和支持向量机(SVM)进行改进,将改进后的人工鱼群算法和支持向量机应用在纯电动客车变速箱速比的匹配优化上,使用支持向量机对纯电动客车的动力性和经济性进行预判,使用人工鱼群算法来优化动力性和经济性,通过对参数进行匹配优化,在保证纯电动客车动力性的基础上,降低纯电动客车的百公里耗电量,提高纯电动客车的综合性能,进一步证明改进的智能算法的良好应用性。本课题首先对遗传算法、BP神经网络、人工鱼群算法等优化算法进行简单介绍,分析各自优劣势,在此基础上对人工鱼群算法进行改进,提高人工鱼群算法的多样性、兼顾全局搜索能力和局部逼近能力;选取两组经典测试函数,将改进后的人工鱼群算法、典型人工鱼群算法以及其他算法应用在函数极值问题求解上,通过比较分析得到改进的人工鱼群算法在性能上的提高。其次对支持向量机进行简单的介绍,对支持向量机的参数选择上进行一定的改进,将遗传算法、粒子群算法以及改进的人工鱼群算法应用在支持向量机的参数选择上；在UCI标准数据库中选取若干组数据,将改进之后的支持向量机应用在数据分类和回归上,通过比较分析得到基于改进人工鱼群算法的参数选择的支持向量机所具备的优势。然后将某传统燃油客车改造成纯电动客车,根据纯电动客车性能指标的要求以及客车特有性能初步匹配电动机、电池的参数,并建立纯电动客车自动换挡策略；使用AVL-Cruise一维整车仿真软件搭建纯电动客车仿真模型,通过仿真验证模型改造的准确性。最后以已建立好的纯电动客车一维仿真模型为对象,使用DOE设计得到变速箱速比组合,针对不同的城市客车行驶路谱,得到相应的动力性和经济性仿真数据,作为样本数据对支持向量机进行训练,将训练好的支持向量机用于纯电动客车的经济性与动力性预判；再针对不同的城市客车行驶路谱,使用改进的多人工鱼群算法进行多目标优化,得到相应的最优的变速箱速比组合,并进行仿真验证其准确性。