近年来,环境恶化及能源紧缺问题随着汽车工业的迅猛发展接踵而至并日益突出。基于节约型社会的发展需求出发,无论对于传统燃油车或是当代大力研发生产的新能源电动汽车,实现汽车轻量化是节能减排,提升汽车综合性能以促进新时代汽车工业持续性发展的重要途径。而面对汽车轻量化工程领域中大量涌现的具有高维、高度非线性及大型设计空间的复杂黑箱设计优化问题,单纯采用基于代理模型的优化算法进行求解虽能有效减少有限元仿真模型的调用次数,但所反映出来的建模精度、寻优效率及计算成本仍有待突破。而大数据及信息时代的来临也为解决这一瓶颈提供了全新的思路和渠道,考虑到代理模型的建模精度及计算效率与设计空间直接相关,因此开发基于数据挖掘理论的设计空间缩减策略,以进一步提升所结合优化算法综合性能的方法成为一个活跃的研究分支,意义重大。首先,考虑到设计空间缩减策略依赖于底层优化算法的性能,故对基于欧拉距离EIM准则的多目标EGO算法进行并行策略改进及遗传算法的嵌套以提升其综合性能。受到数据挖掘技术的启示,提出一种基于FCM模糊聚类设计空间缩减策略的多目标全局优化方法（FCM-EIMOEGO）,并进行ZDT系列等数值算例测试分析得出FCM-EIMOEGO的综合性能表现有所提升。与此同时,提出一种基于C4.5决策树技术设计空间缩减策略的多目标全局优化方法（DT-EIMOEGO）,通过数值算例相关测试得出改进后的算法在两目标优化问题上表现更为突出,故将其应用于T300/EXPOY复合材料单层板参数反求,发现优化获取的最佳参数设计方案的仿真响应与试验响应近似相等,进而验证DT-EIMOEGO能够高效识别汽车轻量化材料参数,具有较强的工程实际指导意义。最后,将两种设计空间缩减思想相互融合,综合利用两者优点,提出一种基于C4.5决策树技术与FCM模糊聚类相集成设计空间缩减策略的多目标全局优化方法（DTFCM-EIMOEGO）,以实现优化算法在动静态缩减相结合的设计空间中探索寻优直至收敛。通过数值算例测试得出DTFCM-EIMOEGO在高维优化问题上的综合性能表现具有显著优势,并将其应用于侧碰工况下车身TRB B柱的结构尺寸优化设计,以质量、侵入量及吸能作为目标函数,最终高效获得质量减轻10.94%,侵入量降低13.25%,吸能增加4.91%的轻量化优化设计方案,以验证其工程实际应用价值。