汽车工业世界经济发展中的地位越来越突出,而从中国汽车保有量来看市场仍然巨大,需求旺盛,而无论对于传统的内燃机汽车或是新能源汽车,汽车的轻量化和安全性都是极其重要的。本文在轻量化技术的路径上,依托于使用先进的尺寸优化设计方法,对汽车车身结构的尺寸进行优化,实现轻量化,同时提升车身结构的耐撞性。在汽车车身的优化设计上,传统的基于梯度（导数）的算法难以解决汽车优化问题中的高度非线性问题,而启发式的随机搜索算法对于目标函数的响应计算需求量很大,若使用有限元模型计算目标函数的响应,将带来难以满足的计算机资源的需求和时间需求,因此基于代理模型的优化算法常常用来解决这类问题,而本文所研究的高效全局优化算法（Efficient Global Optimization,EGO）在对于黑箱问题的优化上有不错的效果。在实际的工程优化问题中,往往存在的都是多目标问题,因此多目标高效全局优化算法（Multi-Objective Efficient global optimization,MOEGO）被广泛研究用于解决多目标工程优化问题,为了更高效的解决车身构件的尺寸优化问题,引入并行计算的MOEGO算法,并且本文提出了一种改进的多目标并行计算采集策略,即自适应的距离多点EI策略（Adaptive distance multipoint Expected improvement,ADMEI）,在构建初始的Kriging模型后,在采集并行计算修正点的环节,仍然以EI值作为提升指标,利用动态EI阈值和EI点之间动态距离阈值这两大自适应的动态参数,对搜索出来的最大EI值的设计点进行筛选,以提供足够的、优质的并行计算点,使用ZDT系列算例测试显示改进具有一定的优势。随后,将Kriging Believer策略（KB）和自适应的距离多点EI策略进行混合融合,利用Kriging Believer策略预测值更新Kriging模型的优势赋能于自适应的距离多点EI策略,在进一步增大挖掘高质量并行计算点的潜力,基于此思路提出了三种改进后的并行MOEGO方法:顺序混合的ADMEI-KB混合策略、KB-ADMEI混合策略和嵌套混合的ADMEI in KB混合策略,经CEC09系列算例测试得出了顺序混合的ADMEI-KB混合策略综合性能最好的结论。最后,本文提出的基于ADMEI-KB顺序混合策略的并行MOEGO算法对铝合金前防撞梁总成进行优化,在50km/h及100%重叠刚性墙的高速碰撞工况下,以比吸能和质量作为目标函数,实现了铝合金防撞梁的截面尺寸优化,在最终设计方案中实现了减重11.7%、比吸能提升32.1%、结构吸能增加16.7%的轻量化设计。