系统架构优化策略：应对昂贵的层次化问题

由于设计空间庞大且设计过程早期存在高度不确定性，为手头问题选择合适的系统架构颇具挑战。将架构设计过程形式化为一个优化问题，或可缓解其中部分挑战。本研究探讨了求解系统架构优化（SAO）问题的策略：这类问题具有计算代价高昂、黑箱、层次化、混合离散、带约束、多目标等特性，并可能受到隐藏约束的影响。为刻画层次化设计空间，定义了插补率、校正率、校正分数和最大速率多样性等度量指标。本研究考虑了两类用于SAO的优化算法：以NSGA-II为代表的多目标进化算法（MOEA）和贝叶斯优化（BO）算法。提出了一种新的高斯过程核，能够对层次化分类变量进行建模，扩展了先前关于连续和整数层次变量建模的工作。接着，开发了一种层次化采样算法，该算法利用设计空间层次结构，按活跃设计变量对设计向量进行分组。随后，研究证明，在优化算法中融入更多层次结构信息能为BO算法带来更好的优化结果。研究使用了多个贴近现实的单目标和多目标测试问题进行调查。最后，将BO算法应用于一个喷气发动机架构优化问题。本研究表明，所开发的BO算法能够有效解决该问题，其所需函数评估次数比NSGA-II少一个数量级。本工作中使用的算法和问题已在开源Python库SBArchOpt中实现。