随着机械产品装配精度的逐渐提高,零部件装配也由小批量向大批量发展,传统的装配工艺已经无法满足高精度、大批量的现代化装配要求。因此,建立装配优化模型,借助优化算法求解最优装配组合成为当代装配工艺的主流。本文针对某航空活塞发动机曲轴装配相关问题,展开相应研究,主要研究内容及成果如下:在活塞发动机曲轴装配过程中,采用修配法调节曲轴轴向间隙,修配件需反复打磨、拆卸和重装,装配合格率较低,劳动强度大,装配效率低。针对传统修配法的不足,设计一种基于遗传算法的计算机辅助装配:采用实数编码的方式,以修配件组数和尺寸波动范围为目标建立优化模型。结果表明在满足组内完全互换和保证曲轴轴向间隙在合格范围以内的前提下,通过对修配件进行分组,实现修配件的批量生产与加工,降低劳动强度,提高装配效率。其次,在零部件选择装配过程中,装配质量不仅仅只包括装配合格率一个因素,还包括零部件的装配精度和装配成本等因素。在本文中,以田口质量损失来度量装配精度,以装配精度和装配合格数建立多目标优化模型,采用经典的多目标进化算法NSGA-Ⅱ（Non-dominated Sorted Genetic Algorithm-Ⅱ）算法进行多目标优化求解,得到一组较好的非支配解。针对种群中重复个体的大量存在,NSGA-Ⅱ算法在维持种群多样性方面的问题,提出改进的分层策略、基于分布函数和种群均匀度最大选择个体的三种精英保留策略,剔除部分重复个体。通过引进自适应的交叉、变异和种群更新策略,避免“近亲繁殖”,不断添加一定比例的新个体,进一步提高种群的多样性。在收敛性方面,采用近邻搜索克服NSGA-Ⅱ算法局部搜索能力的不足,提高算法的进化速度和收敛精度。结合种群多样性和收敛性方面的改进策略,提出CINSGA-Ⅱ（Comprehensive Improvement of Non-dominated Sorted Genetic Algorithm-Ⅱ）算法,并与标准NSGA-Ⅱ算法的优化结果进行比较。结果表明,CINSGA-Ⅱ算法获得的优化结果种群多样性和收敛性均有大幅提高。最后,以世代距离、间距、反世代距离和分布性为算法评价指标,利用ZDT系列测试函数比较了NSGA-Ⅱ算法和CINSGA-Ⅱ算法在收敛性和分布性方面的性能差异。结果表明,相比较于NSGA-Ⅱ算法,CINSGA-Ⅱ算法在收敛性和分布性方面均具有明显的优势。