目前,智能车是智能产品的一个研究热点,受到汽车厂商和IT企业的广泛关注。但现有技术的保密性以及理论研究与应用之间还存在较大差距,欲实现完全智能化还比较困难。因而,局部实现智能车自主控制功能在短期内是可行的研发策略,其中自主倒车技术,是可望实现的关键技术,也正是本文研究的重点。本文首先从理论上研究了模糊软集与泛多目标软优化问题之间的对应关系。其将模糊软集从多个不同的单一属性对目标事物进行的近似描述的思想用于多目标优化。对于每个近似描述仅需分别对单一属性建立隶属函数,并将该隶属函数视为泛多目标软优化问题的目标函数。本文认为模糊软集为复杂的多目标优化问题提供了一个简介的描述办法,然而求解方法尚不够完善,而多目标软优化问题有较为系统的求解方法,故而尝试给出了两者之间的转换方法。进而从实用角度出发,给出了一种多目标优化在无限可行解集上的寻优问题转化为有限划分构成的有限可行解集上的近似寻优问题及其求解方法,并从理论上证明了当该有限划分足够细时能够按精度要求逼近原优化问题的最优解。其次是将上述软优化思想用于邻域系统动态决策中满意可行邻域和可行邻域内满意控制规则的选取。基于邻域系统的动态决策思想可以有效模仿智能生物生存过程中的行为方式,其要点如下：首先根据被控系统的动态特性,选定合适的邻域系统,然后实施周期性的测控过程。该过程由两步完成,第一步是根据当前状态,在其邻域系统中按照软优化方法找出满意的可行邻域,并将其看作静止不变的；其次在满意的可行邻域内利用多目标软优化理论给出满意控制轨迹对应的控制量并实施控制动作。整个控制过程由各个邻域控制过程的顺序叠加而成。然后分析了智能车动态行驶特性,理论上证明了车辆动态倒车过程是一个典型的单调惯性系统。由智能车初始位向信息,选定七个标准倒车初始位置,据此确定七条标准经验规则,构成综合控制规则基。结合单调惯性性质给出综合控制函数,可以实现任意初始倒车位置的倒车控制。最后利用Matlab对实际标准车库内具有代表性的不同初始位置进行仿真实验,验证了上述方法的可行性,较其它算法相比有计算简便、对智能车计算机配置要求低、实用性较强等优点。