AI推动工业智能化转型~系列文章19：工艺参数寻优：离线优化与在线调优的算法谱系

第 19 期 | 工艺参数寻优：离线优化与在线调优的算法谱系

预测模型回答"未来会怎样"，操作优化的终极问题是"参数设多少最好"。工业寻优的特殊性在于：不能拿真实装置做穷举实验------每一次参数试验都有成本与风险。本期系统讲解从试验设计到贝叶斯优化的工业寻优算法谱系。

一、寻优问题的工业形式化 🎛️

复制代码

min/max  f(x)          ← 目标: 燃料比最低/产量最高/质量最优
s.t.     g(x) ≤ 0      ← 约束: 安全边界、质量规格、设备限值
         x ∈ [x_low, x_high]   ← 操作变量的可调范围

工业寻优区别于教科书优化的三个现实约束：

约束	含义	后果
黑箱性	f(x) 无解析表达式，只能实验/仿真求值	不能用解析梯度法
昂贵性	单次求值=一次真实实验，成本高	试验次数预算受限
噪声性	同一 x 重复实验结果不同	需重复采样与统计判断

二、方法谱系总览 🗺️

#mermaid-svg-GdwEOYzxwKVhSFqj{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-GdwEOYzxwKVhSFqj .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-GdwEOYzxwKVhSFqj .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-GdwEOYzxwKVhSFqj .error-icon{fill:#552222;}#mermaid-svg-GdwEOYzxwKVhSFqj .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-GdwEOYzxwKVhSFqj .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-GdwEOYzxwKVhSFqj .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-GdwEOYzxwKVhSFqj .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-GdwEOYzxwKVhSFqj .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-GdwEOYzxwKVhSFqj .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-GdwEOYzxwKVhSFqj .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-GdwEOYzxwKVhSFqj .marker{fill:#333333;stroke:#333333;}#mermaid-svg-GdwEOYzxwKVhSFqj .marker.cross{stroke:#333333;}#mermaid-svg-GdwEOYzxwKVhSFqj svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-GdwEOYzxwKVhSFqj p{margin:0;}#mermaid-svg-GdwEOYzxwKVhSFqj .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-GdwEOYzxwKVhSFqj .cluster-label text{fill:#333;}#mermaid-svg-GdwEOYzxwKVhSFqj .cluster-label span{color:#333;}#mermaid-svg-GdwEOYzxwKVhSFqj .cluster-label span p{background-color:transparent;}#mermaid-svg-GdwEOYzxwKVhSFqj .label text,#mermaid-svg-GdwEOYzxwKVhSFqj span{fill:#333;color:#333;}#mermaid-svg-GdwEOYzxwKVhSFqj .node rect,#mermaid-svg-GdwEOYzxwKVhSFqj .node circle,#mermaid-svg-GdwEOYzxwKVhSFqj .node ellipse,#mermaid-svg-GdwEOYzxwKVhSFqj .node polygon,#mermaid-svg-GdwEOYzxwKVhSFqj .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-GdwEOYzxwKVhSFqj .rough-node .label text,#mermaid-svg-GdwEOYzxwKVhSFqj .node .label text,#mermaid-svg-GdwEOYzxwKVhSFqj .image-shape .label,#mermaid-svg-GdwEOYzxwKVhSFqj .icon-shape .label{text-anchor:middle;}#mermaid-svg-GdwEOYzxwKVhSFqj .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-GdwEOYzxwKVhSFqj .rough-node .label,#mermaid-svg-GdwEOYzxwKVhSFqj .node .label,#mermaid-svg-GdwEOYzxwKVhSFqj .image-shape .label,#mermaid-svg-GdwEOYzxwKVhSFqj .icon-shape .label{text-align:center;}#mermaid-svg-GdwEOYzxwKVhSFqj .node.clickable{cursor:pointer;}#mermaid-svg-GdwEOYzxwKVhSFqj .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-GdwEOYzxwKVhSFqj .arrowheadPath{fill:#333333;}#mermaid-svg-GdwEOYzxwKVhSFqj .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-GdwEOYzxwKVhSFqj .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-GdwEOYzxwKVhSFqj .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-GdwEOYzxwKVhSFqj .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-GdwEOYzxwKVhSFqj .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-GdwEOYzxwKVhSFqj .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-GdwEOYzxwKVhSFqj .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-GdwEOYzxwKVhSFqj .cluster text{fill:#333;}#mermaid-svg-GdwEOYzxwKVhSFqj .cluster span{color:#333;}#mermaid-svg-GdwEOYzxwKVhSFqj div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-GdwEOYzxwKVhSFqj .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-GdwEOYzxwKVhSFqj rect.text{fill:none;stroke-width:0;}#mermaid-svg-GdwEOYzxwKVhSFqj .icon-shape,#mermaid-svg-GdwEOYzxwKVhSFqj .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-GdwEOYzxwKVhSFqj .icon-shape p,#mermaid-svg-GdwEOYzxwKVhSFqj .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-GdwEOYzxwKVhSFqj .icon-shape .label rect,#mermaid-svg-GdwEOYzxwKVhSFqj .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-GdwEOYzxwKVhSFqj .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-GdwEOYzxwKVhSFqj .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-GdwEOYzxwKVhSFqj :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 工业寻优方法谱系
试验设计DOE:

正交设计响应面RSM

适用: 离线工艺开发
启发式搜索:

遗传算法粒子群PSO

适用: 仿真器内寻优
贝叶斯优化:

GP代理+采集函数

适用: 昂贵黑箱寻优
在线调优:

EVOP 极值搜索

适用: 运行中缓慢爬坡

三、试验设计（DOE）：老牌劲旅 📐

DOE 用统计设计以最少的实验次数摸清参数影响规律：

正交设计：参数组合按正交表安排，8~16 次实验即可评估 4~6 个参数的主效应与部分交互；
响应面法（RSM）：在最优区域附近做加密设计，拟合二次曲面找极值点；
序贯策略：粗筛（部分因子设计）→ 精调（响应面）→ 确认实验，步步收敛。

工业定位：新工艺开发、原料切换后的参数重置------离线、有计划、可安排实验的场景。局限：需要主动做实验，不适合运行中装置的连续寻优。

四、启发式算法：仿真器内的搜索军团 🐜

遗传算法（GA）、粒子群（PSO）等启发式方法不需要梯度、天然处理离散/连续混合变量，但求值次数动辄数千次------只能用于仿真器（数字孪生/代理模型）内的寻优：
#mermaid-svg-xIDmfyjjg1ooz1xy{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-xIDmfyjjg1ooz1xy .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-xIDmfyjjg1ooz1xy .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-xIDmfyjjg1ooz1xy .error-icon{fill:#552222;}#mermaid-svg-xIDmfyjjg1ooz1xy .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-xIDmfyjjg1ooz1xy .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-xIDmfyjjg1ooz1xy .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-xIDmfyjjg1ooz1xy .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-xIDmfyjjg1ooz1xy .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-xIDmfyjjg1ooz1xy .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-xIDmfyjjg1ooz1xy .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-xIDmfyjjg1ooz1xy .marker{fill:#333333;stroke:#333333;}#mermaid-svg-xIDmfyjjg1ooz1xy .marker.cross{stroke:#333333;}#mermaid-svg-xIDmfyjjg1ooz1xy svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-xIDmfyjjg1ooz1xy p{margin:0;}#mermaid-svg-xIDmfyjjg1ooz1xy .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-xIDmfyjjg1ooz1xy .cluster-label text{fill:#333;}#mermaid-svg-xIDmfyjjg1ooz1xy .cluster-label span{color:#333;}#mermaid-svg-xIDmfyjjg1ooz1xy .cluster-label span p{background-color:transparent;}#mermaid-svg-xIDmfyjjg1ooz1xy .label text,#mermaid-svg-xIDmfyjjg1ooz1xy span{fill:#333;color:#333;}#mermaid-svg-xIDmfyjjg1ooz1xy .node rect,#mermaid-svg-xIDmfyjjg1ooz1xy .node circle,#mermaid-svg-xIDmfyjjg1ooz1xy .node ellipse,#mermaid-svg-xIDmfyjjg1ooz1xy .node polygon,#mermaid-svg-xIDmfyjjg1ooz1xy .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-xIDmfyjjg1ooz1xy .rough-node .label text,#mermaid-svg-xIDmfyjjg1ooz1xy .node .label text,#mermaid-svg-xIDmfyjjg1ooz1xy .image-shape .label,#mermaid-svg-xIDmfyjjg1ooz1xy .icon-shape .label{text-anchor:middle;}#mermaid-svg-xIDmfyjjg1ooz1xy .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-xIDmfyjjg1ooz1xy .rough-node .label,#mermaid-svg-xIDmfyjjg1ooz1xy .node .label,#mermaid-svg-xIDmfyjjg1ooz1xy .image-shape .label,#mermaid-svg-xIDmfyjjg1ooz1xy .icon-shape .label{text-align:center;}#mermaid-svg-xIDmfyjjg1ooz1xy .node.clickable{cursor:pointer;}#mermaid-svg-xIDmfyjjg1ooz1xy .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-xIDmfyjjg1ooz1xy .arrowheadPath{fill:#333333;}#mermaid-svg-xIDmfyjjg1ooz1xy .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-xIDmfyjjg1ooz1xy .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-xIDmfyjjg1ooz1xy .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-xIDmfyjjg1ooz1xy .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-xIDmfyjjg1ooz1xy .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-xIDmfyjjg1ooz1xy .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-xIDmfyjjg1ooz1xy .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-xIDmfyjjg1ooz1xy .cluster text{fill:#333;}#mermaid-svg-xIDmfyjjg1ooz1xy .cluster span{color:#333;}#mermaid-svg-xIDmfyjjg1ooz1xy div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-xIDmfyjjg1ooz1xy .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-xIDmfyjjg1ooz1xy rect.text{fill:none;stroke-width:0;}#mermaid-svg-xIDmfyjjg1ooz1xy .icon-shape,#mermaid-svg-xIDmfyjjg1ooz1xy .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-xIDmfyjjg1ooz1xy .icon-shape p,#mermaid-svg-xIDmfyjjg1ooz1xy .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-xIDmfyjjg1ooz1xy .icon-shape .label rect,#mermaid-svg-xIDmfyjjg1ooz1xy .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-xIDmfyjjg1ooz1xy .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-xIDmfyjjg1ooz1xy .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-xIDmfyjjg1ooz1xy :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 代理模型训练:

历史数据→GBDT/NN

f̂(x)≈真实响应
启发式搜索:

GA/PSO在f̂上寻优

求值零成本
候选最优点x*
置信度校验:

x*是否在训练分布内?

分布外建议拒绝
人工评审→现场验证

小步试验确认

代理模型寻优的铁律：寻优结果必须做分布内校验------优化器会疯狂寻找代理模型的"虚假洼地"（模型误差大的区域给出虚假最优），只有训练数据覆盖区域内的最优才可信。

五、贝叶斯优化：昂贵黑箱的优雅解 💎

贝叶斯优化是"求值昂贵+黑箱"问题的标准答案，核心思想：用高斯过程代理目标函数，用采集函数平衡探索与利用，每一步都精打细算。
#mermaid-svg-PfnDCLoEnyRkAsyw{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-PfnDCLoEnyRkAsyw .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-PfnDCLoEnyRkAsyw .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-PfnDCLoEnyRkAsyw .error-icon{fill:#552222;}#mermaid-svg-PfnDCLoEnyRkAsyw .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-PfnDCLoEnyRkAsyw .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-PfnDCLoEnyRkAsyw .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-PfnDCLoEnyRkAsyw .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-PfnDCLoEnyRkAsyw .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-PfnDCLoEnyRkAsyw .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-PfnDCLoEnyRkAsyw .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-PfnDCLoEnyRkAsyw .marker{fill:#333333;stroke:#333333;}#mermaid-svg-PfnDCLoEnyRkAsyw .marker.cross{stroke:#333333;}#mermaid-svg-PfnDCLoEnyRkAsyw svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-PfnDCLoEnyRkAsyw p{margin:0;}#mermaid-svg-PfnDCLoEnyRkAsyw .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-PfnDCLoEnyRkAsyw .cluster-label text{fill:#333;}#mermaid-svg-PfnDCLoEnyRkAsyw .cluster-label span{color:#333;}#mermaid-svg-PfnDCLoEnyRkAsyw .cluster-label span p{background-color:transparent;}#mermaid-svg-PfnDCLoEnyRkAsyw .label text,#mermaid-svg-PfnDCLoEnyRkAsyw span{fill:#333;color:#333;}#mermaid-svg-PfnDCLoEnyRkAsyw .node rect,#mermaid-svg-PfnDCLoEnyRkAsyw .node circle,#mermaid-svg-PfnDCLoEnyRkAsyw .node ellipse,#mermaid-svg-PfnDCLoEnyRkAsyw .node polygon,#mermaid-svg-PfnDCLoEnyRkAsyw .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-PfnDCLoEnyRkAsyw .rough-node .label text,#mermaid-svg-PfnDCLoEnyRkAsyw .node .label text,#mermaid-svg-PfnDCLoEnyRkAsyw .image-shape .label,#mermaid-svg-PfnDCLoEnyRkAsyw .icon-shape .label{text-anchor:middle;}#mermaid-svg-PfnDCLoEnyRkAsyw .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-PfnDCLoEnyRkAsyw .rough-node .label,#mermaid-svg-PfnDCLoEnyRkAsyw .node .label,#mermaid-svg-PfnDCLoEnyRkAsyw .image-shape .label,#mermaid-svg-PfnDCLoEnyRkAsyw .icon-shape .label{text-align:center;}#mermaid-svg-PfnDCLoEnyRkAsyw .node.clickable{cursor:pointer;}#mermaid-svg-PfnDCLoEnyRkAsyw .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-PfnDCLoEnyRkAsyw .arrowheadPath{fill:#333333;}#mermaid-svg-PfnDCLoEnyRkAsyw .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-PfnDCLoEnyRkAsyw .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-PfnDCLoEnyRkAsyw .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-PfnDCLoEnyRkAsyw .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-PfnDCLoEnyRkAsyw .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-PfnDCLoEnyRkAsyw .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-PfnDCLoEnyRkAsyw .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-PfnDCLoEnyRkAsyw .cluster text{fill:#333;}#mermaid-svg-PfnDCLoEnyRkAsyw .cluster span{color:#333;}#mermaid-svg-PfnDCLoEnyRkAsyw div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-PfnDCLoEnyRkAsyw .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-PfnDCLoEnyRkAsyw rect.text{fill:none;stroke-width:0;}#mermaid-svg-PfnDCLoEnyRkAsyw .icon-shape,#mermaid-svg-PfnDCLoEnyRkAsyw .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-PfnDCLoEnyRkAsyw .icon-shape p,#mermaid-svg-PfnDCLoEnyRkAsyw .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-PfnDCLoEnyRkAsyw .icon-shape .label rect,#mermaid-svg-PfnDCLoEnyRkAsyw .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-PfnDCLoEnyRkAsyw .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-PfnDCLoEnyRkAsyw .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-PfnDCLoEnyRkAsyw :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 否
是
初始DOE采样10-20点
GP拟合: 均值+不确定度
采集函数EI/UCB:

预测好+不确定大

=下一个最值得试的点
真实实验求值
更新GP后验
预算用完/收敛?
输出最优点+置信区间

为何适合工业：通常 30~80 次求值即可收敛（GA 的百分之一量级），且 GP 自带不确定度量化，可直接输出"推荐参数及置信区间"供专家决策。典型应用：新材料配方寻优、新工艺参数开发、催化剂配方筛选。

六、在线调优：运行装置的缓慢爬坡 ⛰️

运行中的装置不允许激进实验，在线寻优必须是小步、安全、可回退的：

EVOP（进化式操作）：在正常运行点附近做微小扰动（±1%~2%），多周期统计目标变化方向，沿改善方向缓步移动------上世纪 60 年代的方法，至今仍是流程工业在线调优的务实选择；
极值搜索控制（ESC）：注入微小正弦扰动，从响应相位提取梯度方向，闭环爬坡至极值；
带护栏的 RL：第 14 期的受限闭环路线，是更先进但门槛更高的选择。

安全护栏三要素：单步调整限幅、安全边界硬约束、效果回退触发器（连续 N 周期恶化即退回）。

七、寻优项目的实施路线图 🛤️

阶段	内容	关键产出
1. 目标与约束定义	明确优化目标函数与全部安全/质量约束	经生产部门签字的边界文档
2. 数据与模型准备	历史数据分析，建代理模型或 DOE 计划	验证合格的 f̂ 或实验方案
3. 离线寻优	仿真/代理模型内寻优，分布内校验	候选参数方案+置信评估
4. 现场验证	小步试验、A/B 对照、统计确认	验证报告
5. 在线运营	参数固化或在线调优系统上线	持续监控与回退机制

组织要点：参数变更必须走 MOC（变更管理）流程，AI 给出的寻优建议与人工变更遵循同样的审批链路------寻优系统是"建议者"，不是"决策者"。

🎯 本期小结

工业寻优三约束：黑箱、昂贵、噪声，排除解析梯度法；
谱系定位：DOE 用于离线开发、启发式用于仿真器寻优、贝叶斯优化用于昂贵黑箱、EVOP/ESC 用于在线爬坡；
代理模型寻优必须分布内校验，防"虚假洼地"；
在线调优三护栏：限幅、边界、回退；寻优建议走 MOC 审批链路。

下期预告：第 20 期进入工程篇------工业 AI 平台架构：云-边-端协同的技术体系，以及数据流从传感器到模型的完整链路设计。🏗️

作者：高炉炼铁智能化技术研究者，专注钢铁冶金与人工智能交叉领域。

👍 如果觉得有帮助，请点赞、收藏、转发！

版权归作者所有，未经许可请勿抄袭，套用，商用(或其它具有利益性行为) 。

🔔 关注专栏，不错过后续精彩内容