Este estudio propone una metodología de optimización para motores síncronos de imanes permanentes (PMSMs) automotrices para lograr la máxima eficiencia, el máximo par medio y la mínima ondulación de par. Muchos parámetros geométricos se pueden utilizar para definir el PMSM de un automóvil. Para identificar los parámetros más significativos para la optimización, se empleó el diseño factorial fraccional del diseño de experimento (DOE) para el cribado, considerando los efectos de interacción. Se utilizó el diseño compuesto central para construir el modelo de proxy entre el objetivo de optimización y la variable de optimización, y se juzgó la efectividad del modelo. Con el objetivo de abordar el problema de optimización multiobjetivo de un motor, se propone de manera innovadora un nuevo mecanismo para el algoritmo de optimización de lobo gris (NMGWO) que combina una estrategia de aprendizaje inverso de élite, una estrategia de búsqueda local y una estrategia de parámetro de control no lineal. Este algoritmo se aplicó para resolver el modelo de optimización multiobjetivo. Los resultados de cálculo numérico muestran que este es un método de diseño de optimización efectivo que puede mejorar el rendimiento de los PMSMs automotrices. La efectividad del algoritmo NMGWO en los resultados de optimización de motores síncronos de imanes permanentes se verifica mediante los resultados experimentales.