3. MDO数学基础

多学科设计优化（MDO）在工程上看似复杂，但其数学骨架非常清晰：一切MDO问题最终都可以写成一个带约束的优化问题。理解这个标准形式，是后续搭建学科模型、选择算法、解释优化结果的前提。本节从标准形式出发，逐层拆解设计变量、目标函数、约束条件、设计空间，并说明多目标权衡的本质。

一、优化问题的标准形式

连续优化问题的标准数学形式通常写作：

minimize    f(x)
subject to  g_i(x) ≤ 0,   i = 1, 2, ..., m
            h_j(x) = 0,   j = 1, 2, ..., p
            x_L ≤ x ≤ x_U

其中 x 是设计变量向量，f(x) 是目标函数，g_i(x) 是不等式约束，h_j(x) 是等式约束，x_L 与 x_U 是设计变量的上下界。MDO与普通优化的差别不在形式，而在于 f、g、h 往往由多个学科的分析模型耦合计算得到，例如气动、结构、控制、热等学科通过耦合变量相互传递数据。因此MDO的“函数求值”通常是一次多学科分析（MDA），代价高、可能不连续、甚至带数值噪声。

需要强调一个约定：标准形式默认是最小化。若工程目标是最大化升阻比、最大化航程，则写成 minimize −L/D 或 minimize −Range。这个符号约定在全文和图示中保持一致，避免后续推导出现方向性错误。

二、设计变量与设计空间

设计变量是优化器可以自由调整的量，例如机翼后掠角、展弦比、翼型厚度、蒙皮厚度、控制增益等。每个变量有上下界，所有变量张成一个 n 维空间，称为设计空间。设计空间中的任意一点对应一个完整设计方案。若变量取离散值（如材料牌号、翼肋数量），则设计空间是离散或混合整数空间，求解方法也随之改变。

设计空间的大小直接决定问题难度。n 个变量、每个变量 k 个采样点，全因子采样规模为 k^n，呈指数增长，这就是“维数灾难”。因此实际MDO中常用试验设计（DOE）如拉丁超立方、正交数组来稀疏采样，再用代理模型近似 f、g、h，降低真实分析调用次数。

三、约束条件的分类与处理

约束刻画“可行”与“不可行”的边界。工程中常见约束包括：

• 性能约束：如升力系数不低于某值、航程不小于指标；
• 几何约束：如翼展不超过机库宽度、厚度比在工艺允许范围；
• 强度/刚度约束：如最大应力 ≤ 许用应力、翼尖位移 ≤ 限值；
• 耦合一致性约束：MDO特有，要求学科间传递变量在耦合点上一致，例如气动载荷与结构变形迭代收敛后的位移场一致。

等式约束在数值上比不等式约束更“硬”，通常用罚函数、增广拉格朗日或直接消元处理。不等式约束则通过可行域边界影响最优解位置：最优解要么落在可行域内部（约束不起作用），要么落在边界上（约束起作用，即 active constraint）。判断哪些约束起作用，是结果解读的关键。

四、目标函数与多目标权衡

单目标优化只有一个 f(x)，最优解是设计空间中的一点。但MDO工程问题几乎都是多目标的：既要减重，又要提高气动效率，还要降低成本。多目标优化的标准形式为：

minimize    F(x) = [f_1(x), f_2(x), ..., f_k(x)]
subject to  g_i(x) ≤ 0,  h_j(x) = 0

多目标问题一般不存在同时使所有目标最优的“绝对最优点”，而是存在一组Pareto最优解：在不使任何其他目标变差的前提下，无法再改进任一目标。所有Pareto解在目标空间中构成Pareto前沿。设计者的任务不是找唯一解，而是先求出前沿，再根据偏好从前沿上选一个折中点。

常见的权衡处理方式有三种：加权和法把多目标合成单目标 min Σw_k f_k(x)，简单但难以得到非凸前沿；ε-约束法固定部分目标为约束，逐个扫描；多目标进化算法（如NSGA-II）直接逼近整条前沿。选择哪种，取决于目标数量、前沿形状和计算预算。

五、一个可手算的示例

考虑简化翼型设计：设计变量为厚度比 t（0.08 ≤ t ≤ 0.16）和后掠角 Λ（0° ≤ Λ ≤ 35°）。目标是最小化阻力系数 C_D 与结构重量 W。假设经代理模型得到：

C_D = 0.020 + 0.30·(t − 0.10)^2 + 0.00002·Λ^2
W   = 1.00 + 4.0·t + 0.004·Λ
约束：升力系数 C_L = 0.50 + 0.8·t − 0.002·Λ ≥ 0.55

取 t=0.12、Λ=10°，得 C_D≈0.0207、W≈1.52，C_L≈0.576，满足约束。若增大 t 到 0.14，W 升到 1.60，但 C_L 提高到 0.612，约束更宽松；若增大 Λ 到 25°，C_D 因 Λ² 项升到约 0.033，阻力明显变差。可见 t 与 Λ 对两个目标的影响方向不同，这正是权衡的来源。实际求解时，可对 t、Λ 网格扫描，保留不被支配的点，即可得到一条近似的Pareto前沿。

回到标准形式，可以看到MDO的数学基础并不神秘：设计变量定义“能改什么”，设计空间定义“能改到哪”，约束定义“哪些方案可行”，目标函数定义“什么叫好”，多目标权衡定义“好不止一种”。把这五个概念在具体工程问题中一一对应清楚，后续的学科建模、耦合分析和优化算法选择才有明确落点。