In dieser Arbeit wurde eine automatische Methode zur Reduktion und Optimierung von chemischen kinetischen Mechanismen unter spezifischen physikalischen oder thermodynamischen Bedingungen entwickelt und beschrieben. Die Reduktion des Mechanismus beruht auf dem genetischen Algorithmus (GA), der nach einer kleinstmöglichen Untermenge von Reaktionen aus dem detaillierten Mechanismus sucht, während er die Fähigkeit des reduzierten Mechanismus noch bewahrt, die Gesamtchemie bei einem akzeptablen Fehler zu beschreiben. Die Genauigkeit des reduzierten Mechanismus wird durch Vergleich seiner Lösung mit der Lösung, die mit dem vollständigen Mechanismus unter den gleichen Anfängsbedingungen und/oder physikalischen Bedingungen erhalten wird, bestimmt. Für die Reduktion werden nicht nur die chemische Genauigkeit und die Größe des Mechanismus berücksichtigt, sondern auch die Simulationszeit, die hilft, steife und langsam konvergierende Mechanismen zu vermeiden. Die (nachfolgende) Optimierungstechnik basiert auf einem genetischen Algorithmus, der darauf abzielt, neue Koeffizienten der Reaktionsgeschwindigkeiten zu finden, um die Genauigkeit die üblicherweise durch den vorhergehenden Reduktionsvorgang verringert wird, wiederherzustellen. Die Genauigkeit wird durch eine Zielfunktion definiert, die Bereiche vom Interesse abdeckt, in denen der reduzierte Mechanismus von dem ursprünglichen Mechanismus abweichen kann. Die Zielfunktion lenkt die Suche nach genaueren reduzierten Mechanismen, die für einen bestimmten Satz von Betriebsbedingungen gültig sind. Die Leistung des Mechanismus wird für Simulationen von homogenem Reaktor oder laminaren Flammen gegenüber den Ergebnissen aus einer gegebenen Referenz bewertet. Ein zusätzlicher Term, der in der Zielfunktion eingeführt wird, ist ein sogenannter Strafterm, der die Reaktionsgeschwindigkeiten während der Optimierung beeinflusst. Mit dem Strafterm kann die Änderung der Reaktionsgeschwindigkeiten minimiert werden, sodass sie so nah wie möglich an ihren Startwerten gehalten werden. Es wird gezeigt, dass der Strafterm verwendet werden kann, anstatt die Unsicherheitsgrenzen aus der Literatur für jede Reaktion im Mechanismus zu definieren. Der Strafterm kann auch zur weiteren Reduzierung des Mechanismus verwendet werden, indem die Reaktionsgeschwindigkeiten während der Optimierung auf Null gestellt werden. Dieser Ansatz wird im letzten Abschnitt der Arbeit näher erläutert. Es wird das Konvergenzverhalten der ganzzahlig codierten Reduktion, der realcodierten Optimierung und Reduktion der reduzierten Mechanismen, sowie der realcodierten Optimierung und Reduktion des vollständigen Mechanismus analysiert. Die Konvergenzstudie zeigt, dass die realcodierte Optimierung mit dem Strafterm die schnellste Konvergenz zu einem globalen Optimum hat. Das bietet einige neue Möglichkeiten für die Erforschung und Verbesserung der realcodierten Reduktion, als direkten Weg zur gleichzeitigen Optimierung und Reduzierung des vollen Mechanismus. Die GA-basierte Reduktions- und Optimierungsmethoden haben sich als robust, flexibel und anwendbar für eine Reihe von Betriebsbedingungen erwiesen, indem gleichzeitig mehrere Kriterien betrachtet werden sollen.