汽车悬架系统参数优化设计问题是一个多目标、多参数的优化设计问题；其目标函数和约束条件是由系统参数、动态响应和时间组成的函数，具有高度非线性，通常是非凸规划问题，存在多个局部最优解，每一次优化迭代都必须对系统动力学方程进行数值求解，一般由专业软件处理。目前，优化设计方法主要采用确定性优化方法，容易陷入局部最优解。 遗传算法具有很强的全局寻优能力，已经开始应用在汽车悬架参数优化设计中，但在使用遗传算法进行优化设计时，存在以下两方面的问题，一是遗传算法本身存在的概率参数主观选取问题和保持种群多样性问题，另外是悬架模型简单，普遍采用集中质量模型，难以准确模拟系统的运动。 虚拟样机技术能够建立机械系统的三维实体模型和力学模型，分析和评估系统的性能，真实模拟系统的运动。所以，本文将遗传算法和虚拟样机技术结合，可以对多体模型汽车悬架参数进行遗传算法优化。 针对遗传算法普遍存在的概率参数主观选取问题和早熟问题，本文对遗传算法进行改进。在改进的遗传算法中，采用交叉算子和变异算子分别独立作用于父代个体，使父代所有个体都进行交叉和变异来避免概率参数的选取问题；按父子混合杰出者选择策略产生子代个体；提出划分可行域方法处理初始代，使个体比较均匀的分布在搜索空间内；使用高斯局部多次搜索算子和替换策略来加快遗传算法的收敛速度。 使用VisualC++编程软件，结合Windows进程控制函数和ADAMS/Solver命令，完成遗传算法和ADAMS软件接口，实现多体模型汽车悬架参数的遗传算法优化。本文对33自由度的汽车悬架多体模型进行实例分析，并与确定性优化方法、标准遗传算法和小生境遗传算法进行对比，结果表明，本文所提出的方法具有很强的全局寻优能力，明显优于其它方法。