3. 系统权衡问题的结构化定义

在MBSE的权衡分析中，最容易出问题的环节往往不是仿真精度不够，也不是评价算法不先进，而是权衡问题本身没有被定义清楚。当利益相关者说“希望系统更可靠、更便宜、交付更快”时，这句话并不是一个可计算的权衡问题，而是一组尚未结构化的期望。结构化定义的任务，就是把这些自然语言期望，转化为一个可以被建模、被参数化、被求解的数学对象：决策变量、目标函数、约束边界与方案空间。

从需求陈述到可计算问题

结构化定义的第一步，是把利益相关者需求拆解为可观测的属性。以某型无人机侦察任务系统为例，利益相关者提出“续航要长、发现目标要快、成本不能太高”。这三句话分别对应三个可量化属性：续航时间（h）、目标发现时延（s）、单机采购成本（万元）。但属性本身不是目标函数，目标函数必须明确优化方向。续航时间属于越大越好型，目标发现时延属于越小越好型，成本同样属于越小越好型。若统一写成最小化形式，则续航时间需取负号或倒数处理，这一点必须在定义阶段就固定下来，否则后续优化方向会混乱。

任务目标则来自任务剖面。例如侦察任务要求“在100 km半径内持续侦察不少于4 h，目标发现时延不超过30 s”。这些是任务层面的期望，它们既可以转化为目标函数的期望值，也可以转化为约束边界。区分二者的原则是：如果某个指标存在硬性门槛，就放入约束；如果只是在门槛之上继续追求更优，就放入目标函数。例如“发现时延不超过30 s”是任务成功的最低要求，应作为约束；“在满足约束的前提下尽量缩短时延”才是目标。

决策变量与方案空间

决策变量是设计者真正能够选择和调整的参数。在上述无人机示例中，可选的决策变量包括：电池容量 C_bat（Wh）、机翼展弦比 AR、巡航速度 V（m/s）、传感器帧率 F（Hz）、机身材料等级 M（离散取值：复合材料/铝合金/钢）。其中前四个是连续变量，材料等级是离散变量。决策变量的取值范围构成设计空间，而满足全部约束的取值子集构成可行方案空间。

方案空间的大小直接决定权衡问题的求解难度。若五个变量分别取10个水平，则组合空间为10⁵；若其中两个是连续变量，则空间是连续与离散的混合。结构化定义时必须明确每个变量的类型、量纲、上下界和离散取值集合，否则后续采样、优化或枚举都无从谈起。

约束边界的分类

约束通常分为三类。第一类是物理约束，例如电池容量与续航时间的物理关系、机翼展弦比与结构强度的关系，它们由自然规律决定，不可协商。第二类是任务约束，例如续航不少于4 h、发现时延不超过30 s，它们来自任务成功准则。第三类是资源约束，例如单机成本不超过50万元、总研制周期不超过18个月，它们来自项目外部条件。三类约束在权衡中的处理方式不同：物理约束通常以等式或不等式形式嵌入模型；任务约束和资源约束则作为可行域的边界，用于筛选方案。

目标函数的构造

当存在多个目标时，需要明确目标之间的关系。常见处理方式有三种：加权求和、分层优化和Pareto前沿。加权求和适合目标之间可以相互补偿的场景，例如续航每增加1 h可以抵消成本增加2万元；分层优化适合存在绝对优先级的场景，例如安全性优先于成本；Pareto前沿则适合目标之间不可公度、需要保留多个候选方案供决策者选择的情况。结构化定义阶段不必立即选定求解策略，但必须明确目标数量、优化方向、量纲和可接受的权衡范围。

下面这张图展示了从利益相关者需求到结构化权衡问题的映射关系。左侧是自然语言需求，中间经过属性提取、方向定义和约束分类，右侧形成决策变量、目标函数、约束边界和方案空间四个结构化要素。图中同时标出了无人机示例中的具体参数，便于对照理解。

一个可复用的定义检查表

为了避免定义阶段遗漏关键要素，可以用下面这份检查表逐项核对。它不替代建模，但能显著减少后期返工。

常见误区与修正

第一个误区是把目标当约束。例如把“成本越低越好”直接写成 c ≤ 30 万元，这会把大量可行方案排除，也可能错过成本略高但性能显著更优的方案。正确做法是保留成本为目标函数，同时设置一个可接受的上限作为约束，例如 c ≤ 50 万元。

第二个误区是决策变量与设计参数混淆。设计参数是模型中固定不变的量，例如重力加速度、空气密度；决策变量是设计者可以调整的量。如果把空气密度当作决策变量，优化结果将失去工程意义。

第三个误区是忽略变量之间的耦合。例如电池容量增加会提升续航，但也会增加重量，进而影响巡航速度和结构载荷。结构化定义时不必写出全部耦合方程，但必须识别出关键耦合路径，并在约束或目标函数中体现，否则优化结果可能违反物理直觉。

结构化定义的最终产出，是一份可以被建模工具直接读取的权衡问题描述：变量清单、目标函数表达式、约束集合、方案空间范围。它既是后续仿真与优化的输入，也是与利益相关者确认“我们到底在权衡什么”的沟通依据。定义越清晰，后续的求解和决策就越有据可依。