日本在《国际计算机辅助工程与技术杂志》上发表的一项研究揭示了一种优化功能梯度材料 (FGM) 成分的方法。FGM 是一种先进的复合材料，其成分和性能在整个体积内逐渐变化，旨在优化特定负载条件下的性能。

这项工作可用于减轻均匀冷却的多层 FGM 板中的残余热应力，使其能够更好地应对航空航天应用和发电行业中发现的显著热循环。

山阳小野田市立大学机械工程系的 Ryoichi Chiba 使用开源框架 Optuna 中的黑盒优化 (BBO) 技术进行调查。Optuna 以用户友好型界面而闻名，非常适合复杂的优化任务。

Chiba 使用了三种 Optuna 算法：树结构 Parzen 估计器 (TPE)、协方差矩阵自适应进化策略(CMA-ES) 和非支配排序遗传算法 II (NSGA-II)。这些算法各自提供了独特的优化方法，其中 TPE 侧重于快速收敛，而 CMA-ES 和 NSGA-II 侧重于进化策略。

FGM 的优化一直是一项艰巨的任务，因为在其设计和生产过程中存在很多变量，其中任何一个变量都可能对其性能产生显著的积极或消极影响。

Chiba 解释说，CMA-ES 算法效果最好。虽然 TPE 可以快速收敛到解决方案，但其优化质量不如 CMA-ES 和 NSGA-II 等更彻底的进化方法。这项研究表明，在尝试解释设计变量之间的相互作用时可能会出现问题，而这些问题有时会适得其反，导致优化过程更加复杂，而不是得到增强。