Los vehículos eléctricos híbridos son un compromiso entre los vehículos tradicionales y los vehículos eléctricos puros y pueden ser parte de la solución al problema de escasez de energía. Las estrategias de gestión de energía (EMS) están altamente relacionadas con la utilización de energía en la economía de combustible de los VEH. En esta investigación, hemos empleado un método de programación neurodinámica (NDP) para optimizar simultáneamente la economía de combustible y el estado de carga de la batería (SOC). En este método NDP, la red crítica es una red neuronal de onda multi-resolución basada en la función de onda Meyer, y la red de acción es una red neuronal de onda convencional basada en la función de Morlet. Los pesos y parámetros de ambas redes se obtienen mediante un algoritmo de tipo retropropagación. El EMS basado en NDP se ha aplicado a un VEH paralelo y se ha comparado con un EMS NDP reportado anteriormente y un método basado en programación dinámica estocástica. Los resultados de la simulación bajo ADVISOR2002 han demostrado que el enfoque NDP propuesto logra un mejor rendimiento que ambos métodos. Esto indica que el EMS NDP propuesto, y el CWNN y MRWNN, son efectivos para aproximar un sistema no lineal.