1. 工程优化中的代理模型需求

在结构、流体、热管理、电磁等工程设计中，高保真仿真（如有限元 FEA、计算流体力学 CFD）承担着“虚拟试验”的角色。它把几何、材料、边界条件与载荷映射为应力、温度、压降、升阻比等响应量，为设计判断提供依据。但一旦把仿真放进优化循环，问题立刻暴露：单次高保真求解可能耗时数分钟到数小时，而一个中等规模优化问题往往需要成百上千次评估。若直接“优化器调用仿真”，计算成本会迅速失控。

以一个典型支架轻量化问题为例：设计变量为三个加强筋厚度 t1, t2, t3，范围 1.5～4.0 mm；约束为最大等效应力不超过 220 MPa、一阶固有频率不低于 85 Hz；目标是最小化质量。若用有限元直接评估，单次约 6 分钟，采用 200 次迭代的梯度类算法，仅仿真时间就约 20 小时；若用遗传算法评估 2000 个个体，则超过 8 天。工程周期通常不允许这样的等待，这就是“高保真仿真瓶颈”。

代理模型（Surrogate Model）正是为打破该瓶颈而引入的近似映射：用少量高保真样本训练一个数学近似 ŷ = f̂(x)，在优化过程中用毫秒级的代理预测替代分钟级的仿真评估。响应面代理模型（Response Surface Model, RSM）是其中最经典的一类，通常以多项式、径向基、Kriging 等形式构造响应面，把“仿真—优化”的紧耦合改为“采样—建模—优化—验证”的解耦流程。

上图把两条路线并排呈现：左侧是“仿真在环”，优化器每迭代一次都要等待一次高保真求解；右侧是“仿真离线”，先用试验设计（DOE）选取少量样本点，批量完成仿真，再拟合响应面，最后在代理面上做优化，仅对最优候选点做高保真复核。核心变化不是算法本身，而是把昂贵评估从优化循环内部移到了外部。

代理模型的核心价值与适用边界

代理模型的价值可以归纳为三点。第一是降本：把数百次仿真压缩为几十次采样加毫秒级预测。第二是提速：优化迭代不再受单次仿真时长约束，可支撑遗传算法、多目标 Pareto 搜索等需要大量评估的方法。第三是可探索：设计空间可以被更密集地扫描，帮助发现梯度类方法容易错过的非凸区域或全局较优区。

但它并非无条件适用。若设计变量维度很高（例如超过 20 维），样本需求会随维度急剧增长，拟合精度难以保证；若响应面存在强非线性、强不连续或强噪声，二次多项式可能严重失真；若约束边界附近响应剧烈变化，代理模型在可行域边界的误判会直接导致优化结果不可行。因此，代理模型更适合变量维度中等（约 3～15 维）、响应连续但单次评估昂贵、需要大量探索的工程问题，例如支架轻量化、翼型气动优化、散热器流道参数寻优、电池包热管理参数匹配等。

一个可复现的教学示例

仍以支架为例，采用拉丁超立方抽取 30 个样本，三个厚度变量在 1.5～4.0 mm 内均匀分层。对每个样本运行有限元，记录质量 m、最大等效应力 σmax、一阶频率 f1。用二次响应面拟合，得到形如：

m̂  = 0.42 + 0.18·t1 + 0.15·t2 + 0.12·t3 + 0.03·t1·t2
σ̂max = 210 - 38·t1 - 25·t2 - 18·t3 + 6·t1² + 4·t2²
f̂1  = 62 + 9.5·t1 + 7.2·t2 + 5.8·t3 - 0.8·t1·t3

随后在代理面上以质量最小为目标、以 σ̂max ≤ 220 和 f̂1 ≥ 85 为约束求解，得到候选点 t1=2.1, t2=2.6, t3=3.4。将该点送回有限元复核，若质量、应力、频率与代理预测的相对误差均小于 5%，则认为响应面在该区域可信，可采纳；若误差超限，则在该点附近补充样本并重新拟合。这个“采样—拟合—优化—验证—补点”的闭环，正是响应面代理模型优化的基本工作方式。

需要强调的是，代理模型给出的是近似最优，不是精确最优。它的可信度取决于样本分布是否覆盖设计空间、响应面形式是否匹配真实响应、以及验证环节是否严格。工程实践中，通常把代理模型作为“筛选器”和“探索器”，把高保真仿真作为“裁判”，二者配合而非替代。理解这一分工，是后续学习试验设计、响应面拟合、精度评估与代理优化的前提。