下载文档原格式
遗传算法在车辆动力学优化中的应用探究引言：车辆动力学优化是汽车工程领域的一个重要研究方向，它致力于提高汽车性能和燃油效率。
而遗传算法作为一种仿生优化算法，近年来在车辆动力学优化中得到了广泛应用。
本文将探究遗传算法在车辆动力学优化中的应用，并分析其优势和局限性。
一、遗传算法简介遗传算法是一种模拟自然进化过程的优化算法。
它通过模拟生物进化的遗传、变异和选择等过程，从而寻找到问题的最优解。
遗传算法包括选择、交叉和变异三个基本操作，通过不断迭代优化个体的基因组合，逐步逼近最优解。
二、遗传算法在车辆动力学优化中的应用1. 发动机调参发动机是汽车动力系统的核心，其性能直接影响车辆的动力和燃油效率。
遗传算法可以通过优化发动机参数，如点火时机、燃油喷射量等，提高发动机的燃烧效率和动力输出。
通过遗传算法的迭代过程，可以找到最佳的参数组合，从而实现最优化的发动机调参。
2. 车辆悬挂系统优化车辆悬挂系统对行驶的舒适性和操控性有着重要影响。
遗传算法可以通过优化悬挂系统的参数，如弹簧刚度、减振器阻尼等，提高车辆的悬挂性能。
通过不断迭代调整参数，遗传算法可以找到最佳的悬挂系统参数组合，从而实现车辆动力学的优化。
3. 车辆传动系统优化车辆传动系统决定了动力的传输效率和输出特性。
遗传算法可以通过优化传动系统的齿轮比、离合器控制策略等参数，提高车辆的动力输出效率。
通过遗传算法的迭代过程，可以找到最佳的传动系统参数组合，从而实现车辆动力学的优化。
三、遗传算法在车辆动力学优化中的优势1. 全局搜索能力：遗传算法具有较强的全局搜索能力，能够在复杂的参数空间中找到全局最优解，避免陷入局部最优解。
2. 适应性强：遗传算法能够根据问题的特性自适应地调整搜索策略，从而更好地适应不同的优化问题。
3. 并行计算能力：遗传算法可以通过并行计算的方式加速优化过程，提高计算效率。
四、遗传算法在车辆动力学优化中的局限性1. 计算复杂度高：遗传算法的计算复杂度较高，特别是在参数空间较大的问题中，需要耗费较长的计算时间。
2010年第29卷9月第9期机械科学与技术M echan ica l Sc ience and T echno l ogy f o r A erospace Eng i neer i ng September V o.l 292010N o .9收稿日期:20090918基金项目:浙江省科技厅重大科技专项项目(编号2008C01002)资助作者简介:雷嗣军(1985-),硕士研究生,研究方向为机械设计及优化理论,l eisij un -1104@sina .co m;宋小文(联系人),副研究员,songxw@z j u .edu .cn雷嗣军遗传算法与ADV ISOR 联合优化仿真汽车动力传动系统雷嗣军,宋小文(浙江大学机械与能源工程学院,杭州 310027)摘 要:汽车传动系与发动机的匹配性直接影响汽车动力性能的发挥和经济性的改善。
笔者基于遗传工具箱GATBX 和ADV ISOR 的后台函数建立遗传算法与ADV ISOR 的联合优化仿真模型,利用加权系数法整合汽车传动系多目标优化的各子目标,实现自动修改和输入仿真参数,在后台调用ADV I SOR 函数进行仿真运算。
仿真实例表明该方法显著提高了ADV ISOR 的优化功能,解决了汽车传动系匹配的多目标优化问题。
可用作传统汽车、电动汽车(EV )和混合动力汽车(HEV )传动系匹配的算法,加速新车底盘的开发过程。
关 键 词:遗传算法;ADV I SOR;汽车传动系匹配;多目标优化中图分类号:U463 212;O224 文献标识码:A 文章编号:1003 8728(2010)09 1137 05Opti m izati on of an Auto m obile Trans m issi on Syste mwit h Genetic Algorith m and ADVI SORLe i Sij un ,Song X i ao w en(Co lleg e ofM echanical and Energy Eng i neer i ng ,Zhe jiang U niversity ,H angzhou 310027)Abst ract :The m atching bet w een its auto m ob ile trans m ission syste m and its eng ine d irectl y affects the perfor m anceof the veh icle dyna m ics and the i m prove m ent o f fue l econo m y .A co m b i n ed opti m izati o n and si m ulati o n m odelw ith genetic a l g orithm and ADV I SOR (Advanced V eh icle S i m ulator)is built based on GATBX (G enetic A lgo rithm Too l Box )and backi n g functions .S i n ce auto m ob il e trans m issi o n m atch i n g is a m u lti ob jective op ti m ization prob le m,t h ree ob jecti v es inc l u di n g dyna m ic property ,fuel econo my and e m issi o n perfor m ance are i n tegrated i n to one objec ti v e functi o n by w eighti n g coeffic ients .Si m ulati o n exa m ple show s that the opti m izati o n functi o n of ADV I SOR is greatl y i m proved ,and the prob le m of mu lti ob jecti v e opti m ization o f auto m ob il e trans m issi o n m atching is so lved by calli n g backing functions and exchang i n g si m ulati o n para m eters auto m atically .Th is m ethod can a lso be app lied to opti m izing and m atch i n g t h e EV (E lectric V eh icle)or HEV (H ybri d E lectric Veh icle),thus speed i n g up the de ve lopm ent pr ocess of ne w chassis .K ey w ords :genetic algorithm ;ADV I SOR;auto m ob ile trans m ission m atch i n g ;m ulti ob jecti v e opti m ization 汽车的动力传动系对汽车的动力性、燃油经济性和排放性有重要影响。
基于遗传算法的汽车平顺性时域仿真与优化鲍家定;伍建伟;莫秋云【摘要】首先，建立汽车五自由度振动系统的力学模型，利用牛顿第二定律建立动力学方程，并基于IFFT法进行路面不平度的时域模拟。
然后，通过ADAMS进行对比验证平顺性模型。
最后，以悬架刚度阻尼为设计变量，以悬架动挠度和轮胎相对动载荷为约束函数，以座椅中心加权加速度均方根值为目标函数，建立其优化模型，利用Matlab优化工具箱中的遗传算法函数进行优化。
优化结果表明，遗传算法具有很强的全局寻优能力，优化结果大大地改善了平顺性指标，提高了汽车的性能。
%The mechanical model of vehicle′s fiv e degrees of freedom vibration system was established. The kinetic equa⁃tion was established with Newton′s second law. The road roughness time⁃domain simulation was performed based on IFFT(in⁃verse fast Fourier transform) method. The ride comfort model was verified with ADAMS. And its optimization model was estab⁃lished by taking the suspension stiffness and damping as the design variables,suspension dynamic deflection and relative dyna⁃mic load of vehicle tire as the constraint function,and root⁃mean⁃square value of seat center weighed acceleration as the objec⁃tive function. The model was optimized with genetic algorithm function in Matlab optimization toolbox. The optimization results show that the genetic algorithm has good global optimization ability,the optimization result improves the indicator of ride com⁃fort and the vehicle′s performance.【期刊名称】《现代电子技术》【年(卷),期】2016(039)023【总页数】5页(P136-140)【关键词】平顺性;IFFT;时域模拟;Matlab;遗传算法【作者】鲍家定;伍建伟;莫秋云【作者单位】桂林电子科技大学机电工程学院，广西桂林 541004;桂林电子科技大学机电工程学院，广西桂林 541004;桂林电子科技大学机电工程学院，广西桂林 541004【正文语种】中文【中图分类】TN911.7-34;U461.4汽车行驶平顺性（简称平顺性）是指汽车在保持正常车速行驶过程中产生的振动和冲击环境对乘员舒适性的影响在一定界限内[1]。
遗传算法在车辆动力系统优化中的应用案例车辆动力系统的优化一直是汽车工程领域的重要课题之一。
随着科技的发展，遗传算法作为一种智能优化方法，被广泛应用于车辆动力系统的设计与优化中。
本文将介绍一些遗传算法在车辆动力系统优化中的应用案例，展示其在提高汽车性能和燃油经济性方面的潜力。
1. 引言车辆动力系统优化的目标是提高汽车性能和燃油经济性，减少尾气排放。
遗传算法作为一种模拟自然选择和遗传进化的计算方法，可以在搜索解空间中找到最优解。
因此，它被广泛应用于车辆动力系统的优化中。
2. 发动机参数优化发动机是车辆动力系统的核心组成部分，其参数的优化对于提高汽车性能和燃油经济性至关重要。
遗传算法可以通过对发动机参数进行优化，找到最佳的参数组合。
例如，某汽车制造商希望优化某款车型的发动机参数，以提高其燃油经济性。
他们使用遗传算法来搜索最佳的进气道几何形状、燃烧室设计和喷油策略等参数。
通过对大量的参数组合进行评估和选择，遗传算法最终找到了一组优化的发动机参数，使得该车型的燃油经济性提高了10%。
3. 换挡策略优化换挡策略对于汽车性能和燃油经济性同样具有重要影响。
传统的换挡策略通常基于固定的转速和车速阈值，但这种策略往往不能最大化汽车的性能和燃油经济性。
通过遗传算法，可以优化换挡策略，使其更加智能化和个性化。
例如，一家汽车公司使用遗传算法来优化某款车型的自动变速器换挡策略。
遗传算法根据车速、转速、油门开度等参数，通过不断进化和选择，找到了最佳的换挡策略。
经过优化后，该车型的加速性能提高了10%，燃油经济性提高了5%。
4. 动力分配优化动力分配是指将发动机的输出功率合理地分配给车辆的各个驱动轮，以提高车辆的操控性和稳定性。
遗传算法可以通过优化动力分配策略，使得车辆在不同路况下表现更加出色。
例如，一家赛车车队使用遗传算法来优化赛车的动力分配策略。
遗传算法根据赛车的速度、转向角度、轮胎抓地力等参数，找到了最佳的动力分配策略。
基于混合进化算法的汽车传动系优化研究刘良【摘要】针对汽车的动力系优化问题,构建了整车的动力性及经济性目标函数以及约束条件,并结合遗传算法与粒子群优化算法设计了混合进化算法,利用该算法对汽车传动系参数进行了优化.通过加权处理将多目标函数转换为单个目标函数,同时采用惩罚函数将约束条件转化为惩罚项附加于目标函数,实现了利用混合进化算法对汽车传动系参数的优化.最后,通过仿真研究验证了优化算法的正确性和有效性,仿真的分析结果显示优化后的整车的动力性和经济性均得到了一定改善,为汽车传动系的参数优化提供了新的优化算法.【期刊名称】《机械设计与制造》【年(卷),期】2016(000)011【总页数】4页(P194-197)【关键词】汽车传动系;混合进化算法;参数优化【作者】刘良【作者单位】宜宾职业技术学院,四川宜宾644003【正文语种】中文【中图分类】TH16;TP13随着全球经济的发展，汽车的使用量逐年增加，全球能源也变得日益紧张。
进一步提高车辆的动力性能和经济性能成了汽车领域亟待解决的重要课题之一。
汽车的动力性能和经济性能是车辆的基本性能[1]，而传动系的参数选择对这两项基本性能有着重要影响，因此汽车传动系的优化成了汽车领域的研究热点。
文献[2]以主减速比和变速器传动比为优化变量，以汽车经济性和动力性为优化目标，采用一种改进的遗传算法（Genetic Algorithm，GA）对传动系进行了优化；文献[3]系统分析了客车动力系统的数学模型，采用GA对汽车动力性与经济性进行了优化，改善了客车的动力性与燃料经济性；文献[4]针对军用汽车，采用遗传算法优化了其动力传动系参数。
文献[5]运用了灰色聚类法求解汽车传动系统多目标优化问题，实现了汽车传动系统的选型优化；文献[6]针对重型汽车动力系统的参数反求问题，提出了基于PARETO最优解的重型汽车传动系统参数优化方法；粒子群优化算法（Particle Swarm Optimization，PSO）在汽车动力系优化中的应用在文献[7]中得到了研究，仿真结果表明优化后整车动力与经济性有明显的改善；文献[8]以电动汽车为研究对象，采用非线性二次规划算法对汽车动力系参数进行了优化，在满足设计要求的情况下，使整车续驶里程提高了16.7%。
２０１０年第２９卷
９月
第９期
机械科学与技术
Ｍｅｃｈ蚰ｉｃａｌＳｃｉｅｎｃｅ明ｄＴｅｃｌｕｌ０１０９ｙｆｏｒＡｅｒｏｓｐａｃｅＥｎ西ｎｅｅｒｉｎｇ
Ｓｅｐｔｅｍｂｅｒ２０１０
Ｖ０１．２９Ｎｏ．９
雷嗣军遗传算法与ＡＤＶＩＳＯＲ联合优化仿真汽车动力传动系统
雷嗣军，宋小文
（浙江大学机械与能源工程学院，杭州３ｌ００２７）
摘要：汽车传动系与发动机的匹配性直接影响汽车动力性能的发挥和经济性的改善。
笔者基于遗传工具箱ＧＡＴＢＸ和ＡＤＶＩＳＯＲ的后台函数建立遗传算法与ＡＤＶＩＳＯＲ的联合优化仿真模型，利用加权系数法整合汽车传动系多目标优化的各子目标，实现自动修改和输入仿真参数，在后台调用ＡＤＶＩＳＯＲ函数进行仿真运算。
仿真实例表明该方法显著提高了ＡＤＶＩＳＯＲ的优化功能，解决了汽车传动系匹配的多目标优化问题。
可用作传统汽车、电动汽车（ＥＶ）和混合动力汽车（ＨＥＶ）传动系匹配的算法。
加速新车底盘的开发过程。
关键词：遗传算法；ＡＤＶＩＳＯＲ；汽车传动系匹配；多目标优化
中图分类号：Ｕ４６３．２１２；０２２４文献标识码：Ａ文章编号：１００３．８７２８（２０１０）０９・１１３７－０５
ＯＤｔｉｍｉｚａｔｉｏｎｏｆａｎＡｕｔｏｍｏｂｉｌｅＴｒａｎｓｍｉｓｓｉｏｎＳｙｓｔｅｍ
ｗｉｔｈＧｅｎｅｔｉｃＡ１２０ｒｉｔｌ吼ａｎｄＡＤⅥＳＯＲ
ＬｅｉＳ订ｕｎ，ＳｏｎｇＸｉａｏｗｅｎ
（Ｃ０ｕｅｇｅｏｆＭｅｃｌｌａｎｊｃａｌａｎｄＥｎｅＥｇ）ｒＥｎ百ｎｅｅｒｉｎｇ，ｚｈｅｊｉａｎｇＵＩｌｉＶｅｒｓ蚵，Ｈ蚰ｇｚｌｌｏｕ３ｌｏｏ”）
Ａｂｓｔｒａｃｔ：ＴｈｅｍａｔｃｈｉｎｇｂｅｔｗｅｅｎｉｔｓａｕｔｏｍｏｂｉｌｅｔｍｎｓｍｉｓｓｉｏｎｓｙｓｔｅｍａＩｌｄｉｔｓｅｎ舀ｎｅｄｉｒｅｃｎｙ“ｆｅｃｔｓ山ｅｐｅｒｆｂｒｍ肌ｃｅｏｆｔｈｅｖｅｈｉｃｌｅｄｙｎａｍｉｃｓ趴ｄ山ｅｉｍｐｒ０Ｖｅｍｅｎｔｏｆｆｕｅｌｅｃｏｎｏｍｙ．Ａｃｏｍｂｉｎｅｄｏｐｔｉｍｉｚａｔｉｏｎ锄ｄｓｉｍｕｌａｔｉｏｎｍｏｄｅｌｗｉｔ｝ＩｇｅｎｅｔｉｃａＩｇｏ—ｔｈｍａｎｄ
ＡＤＶＩＳＯＲ（Ａｄ啪ｃｅｄＶｅｈｉｃｌｅＳｉｍｕｌａｔｏｒ）ｉｓｂｕｉＩ￡ｂａｓｅｄｏｎＧＡＴＢＸ（ＧｅｎｅｔｉｃＡｌｇｏ五出ｍ’ｒ（加ｌＢｏｘ）ａＩｌｄｂａｃｋｉｎｇｆｕｎｃｔｉｏｎｓ．Ｓｉｎｃｅ８ｕｔｏｍｏｂｉｌｅｔｒａｎｓｍｉｓｓｉｏｎｍａｔｃｈｉｎｇｉ８ａｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎｐｍｂｌｅｍ，ｔｌｌｒｅｅｏｂｊｅｃｔｉＶｅ８ｉｎｃｌｕｄｉｎｇｄｙｌｌａｒＩｌｉｃｐｍｐｅｎｙ，ｆｕｅｌｅｃｏｎｏｍｙ肌ｄｅｍｉｓｓｉｏｎｐｅｄｂ肋ａｎｃｅａｒｅｉｎｔｅｇｍｔｅｄｉｎｔｏｏｎｅｏｂｊｅｃ・ｔｉｖｅｆｕｎｃｔｉｏｎｂｙｗｅｉｇｌｌｔｉｎｇ’ｃｏｅ伍ｃｉｅｎｔｓ．Ｓｉｍｕｌａｔｉｏｎｅｘ呦ｐｌｅｓｈｏｗｓｔ｝ｌａｔｔｌｌｅｏｐｔｉｍｉ盟ｔｉｏｎｆｕｎｃｔｉｏｎｏｆＡＤＶＩｓＯＲｉ８伊ｅａｄｙｉｍｐｍｖｅｄ，ａｎｄｔ｝ｌｅｐｒｏｂｌｅｍ
ｏｆｍｕｌｔｉ・ｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎ０ｆ叫ｔｏｍｏｂｉｌｅｔｒａｎｓｍｉｓｓｉｏｎ瑚ｔｃｈｉｎｇｉ８∞ｌＶｅｄｂｙｃａｌｌｉｎｇｂａｃｋｉｎｇｆｕｎｃｔｉｏｎｓ明ｄｅｘｃｈａｎｇｉｎｇｓｉｍｕｌａｔｉｏｎｐａｒ啪ｅｔｅｒｓａｕｔｏｍａｔｉｃａｌｌｙ．ｎｉｓｍｅｔ｝ｌｏｄｃ跚ａＬｓｏｂｅａｐｐｌｉｅｄｔ０ｏｐｔｉｍｉｚｉｎｇａｎｄｍａｔｃｈｉｎｇｔｈｅＥＶ（ＥｌｅｃｔｒｉｃＶｅｈｉｃｌｅ）ｏｒＨＥＶ（ＨｙｂｒｉｄＥｌｅｃｔｒｉｃＶｅｈｉｃｌｅ），出ｕｓｓｐｅｅｄｉｎｇｕｐｔｌｌｅｄｅ—Ｖｅｌｏｐｍｅｎｔｐｒｏｃｅｓｓｏｆｎｅｗｃｈａｓｓｉｓ．
Ｋｅｙｗｏｒｄｓ：ｇｅｎｅｔｉｃａｌｇｏｒｉ出ｍ；ＡＤＶＩＳＯＲ；ａｕｔｏｍｏｂｉｌｅ缸ａｎｓｍｉｓｓｉｏｎｍａｔｃｈｉｎｇ；ｍｕｌｔｉ—ｏｂｊｅｃｔｉＶｅｏｐｔｉｍｉｚａｔｉｏｎ
汽车的动力传动系对汽车的动力性、燃油经济性和排放性有重要影响。
优化匹配汽车传动系统参数是提高汽车动力性能、降低汽车的燃油消耗和减少尾气排放的一个重要途径。
汽车动力传动系的优
收稿日期：２００９—０９一１８
基金项目：浙江省科技厅重大科技专项项目（编号２００８ｃＤｌ００２）资助作者简介：雷嗣军（１９８５一），硕士研究生．研究方向为机械设计及优化理论。
Ｉｅｉ蝴ｕｎ一“０４＠ｓｉ咂．ｃｏｍ；宋小文（联系人），副研
究员，Ｍ鲫＠ｚｊｕ．ｅｄｕ．∞化匹配涉及三个目标，属于典型的多目标优化问题。
传统的优化模型多建立在汽车各个性能评价指标的模拟计算函数之上，没有考虑汽车实际行驶中各中条件变化，是一种理想近似；针对不同优化模型各种先进的优化方法都有较好的应用，如模糊优化方法…、复合形法［２｜、理想点法【３１和区间优化法Ｈ１等。
ＡＤＶＩＳＯＲ是基于ＭＡ耵ＡＢ和Ｓｉｍｕｌｉｎｋ环境开发的用于快速分析汽车动力性、燃油经济性和排放性的高级仿真软件∞Ｊ。
它内置的Ａｕｔｏｓ沁工具能通
过ＭＡⅡＡＢ和ＶｉｓｕａｌＤＯＣ两种计算引擎快速计算
机械科学与技术第２９卷
出满足特定性能要求的车辆部件参数，但可调整的变量只有发动机功率、电动机功率和蓄电池参数，优化结果仅作为建立汽车模型时的参考，功能比较有限。
遗传算法是一种随机的全局搜索和优化方法，从任意初始种群出发，通过遗传操作，逐步收敛到问题的最优解（或Ｐａｒｅｔ０最优解∞１）。
将ＡＤＶＩｓＯＲ的精确仿真和遗传算法的高效寻优相结合，是解决汽车传动系优化匹配的较好途径。
ｌＡＤＶＩＳＯＲ非ＧＵＩ仿真原理
ＡＤⅥｓＯＲ采用以后向仿真为主，前向仿真为辅的混合仿真法‘７・８Ｉ。
后向仿真不包括驾驶员模型，沿着与实际功率流相反的方向（图ｌ上部从出ｖｅｃｙｃｌｅ模块到ｆｕｅｌｃｏｎｖｅｎｅｒ模块的箭头），根据道路循环的要求，向整车模块发出速度和转矩请求，整车模块再向车轮和车轴模块、主减速器模块、变速器模块等逐级发出请求，直到动力源模块（发动机和蓄电池等），计算出动力源需提供的功率；前向仿真包含一个驾驶员模型，用于自动调整节气门和制动器动作以满足驾驶工况。
它沿着实际功率流的方向（图ｌ下部从ｆｕｅｌｃｏｎｖｅｒｔｅｒ模块到ｖｅｈｉｃｌｅ模块的箭头），从动力源模块出发直至车轮与车轴模块，逐级传递当前部件能提供给下一级部件的速度值和转矩值，最后计算出汽车的实际速度。
前向仿真是后向仿真的逆过程，二者优势互补，使得仿真计算量小且精度高。
图１ＡＤＶＩｓＯＲ汽车仿真顶层模块
ＡＤＶＩｓ０Ｒ软件的仿真计算功能很强大，但是它内置的参数优化函数功能有限，需要通过结合外部优化工具来解决一些复杂的优化问题。
为此，ＡＤ—ＶＩｓＯＲ提供了功能丰富、独立于ＧｕＩ界面运行的ａｄｙ—ｎｏ—ｇｕｉ函数来实现与其它软件的联合仿真，它的调用格式为：
［ｅ仃ｏｒ，ｒｅｓｐ］＝ａｄｖ—ｎｏ—ｇｕｉ（ａｃｔｉｏｎ，ｉｎｐｕｔ）；
式中：参数ａｃｔｉｏｎ为定义ＡＤＶＩＳＯＲ执行功能的字符串，这些功能包括对工作空间的初始化（ｉｎｉｔｉａｌｉｚｅ）、修改部件的参数（ｍｏｄ毋）以及设置仿真类型（如爬坡度ｇｒａｄ—ｔｅｓｔ、加速时间ａｃｃｅｌ—ｔｅｓｔ、循环路况测试ｄｒｉｖｅ—ｃｙｃｌｅ）等；每项功能都有对应的输入参数，它们包含在名为ＩＩｌｐｕｔ的域结构体中，其形式为ｉｎｐｕｔ．［ｆｉｅｌｄ］．［ｓｕｂｆｉｅｌｄ］．例如修改发动机最大功率所调用参数的格式为：
ｉｎｐｕｔ．ｍｏｄｉ匆．ｐ嗽ｍ＝｛７ｆｃ—ｍａ）【一ｐｗＴ’｝；
ｉｎｐｕｔ．ｍｏｄｊｆｙ．ｖａｌｕｅ＝｛１００｝；
［ｅＩＴｏｒ，ｒｅｓｐ］＝ａｄｖ—ｎｏ—ｇｕｉ（ｍｏｄｉｆｙ，ｉｎｐｕｔ）
ｅ眦返回一个布尔型数值，作为仿真过程成功与否的标志仿真结果保用结构体数据ｒｅｓｐ保存。
２遗传算法与多目标优化
多目标优化问题一般不存在最优解，通常使用的Ｐａｒｅｔ０最优解是它的可以接受的“非劣解”。
求解多目标优化问题的基本算法有：权重法、目标规划法、占－Ｃｏｎｓ咖ｉｎｔ法一１和遗传算法。
遗传算法具有并行高效性的特点，在解决多目标优化问题方面具先天的优势。
目前已有多种基于遗传算法的求解多目标优化问题的方法，如线性加权遗传算法、并列选择遗传算法ｕ０Ｉ、向量评价遗传算法ＶＥＧＡ¨¨和非支配排序遗传算法ＮｓＧＡ【ｌ纠等。
３联合优化仿真模型
建立ＡＤＶＩｓＯＲ与遗传算法联合仿真模型的关键是定义适应度函数。
考虑到遗传操作产生的初始种群中某些个体可能无法用ａｄｖ—ｎ０一ｇｕｉ函数计算加速时间和爬坡度，这里选择最高车速、循环路况百公里油耗分别作为动力性和经济性的评价指标。
目标函数采用权重系数法整合为一个单一目标函数。
优化仿真的算法过程如图２所示。
