针对城市复杂环境下自动驾驶汽车决控智能性、场景适应性和计算实时性不足的难题，创新性地提出面向高级别自动驾驶的集成式决控架构，设计出模型-数据混合驱动的轨迹优化算法，探索出求解大规模非线性优化问题的新范式，显著提升了求解效率。项目开发了高保真自动驾驶仿真软件，搭建了实车测试平台，研发了五套算法，进行了算法仿真与实车测试。成果可用于复杂交通场景下的自动驾驶。

本课题拟在具有自主知识产权的国产科学计算与模拟仿真软件(北太天元)上研发一套适用于智能汽车复杂优化问题的多目标优化与最优控制的求解方法，支持求解智能汽车研发中的自动驾驶轨迹优化、整车传动系统效率优化、车辆结构设计优化等问题，提升整体优化计算的效率，适 配智能汽车研发场景，开发标准算法接口，打造集成化的智能汽车多目标优化平台。

该平台已完成单目标优化、多目标优化和最优控制三大功能模块的集成，其中主要包括:遗传算法、粒子群优化算法、Pareto搜索算法、非支配排序遗传算法、线性二次调节器、线性二次高斯控制等多种经典的优化和控制算法，具备了初步的应用能力。同时，为提升平台在多样化场景下的适应性与性能，自主开发了若干新型多目标优化算法，比如:可以应用于汽车碰撞安全设计问题的改进的多目标优化进化算法等，以增强平台的灵活性与扩展能力。