零维降阶模型规划的多智能体框架

零维降阶模型 (0D ROM) 是高端复杂设备多维设计工作流程的核心。然而，规划过程目前依赖于人工专业知识，限制了拓扑探索并延长了迭代时间。即使是遗传算法 (GA) 等传统优化方法通常也仅限于局部参数调整。尽管 大语言模型 (LLM) 智能体在探索大样本空间方面表现出了良好的前景，思想链 (CoT) 和推理与行动 (ReAct) 等框架提高了推理可靠性，而检索增强生成 (RAG) 克服了领域知识障碍，但单个智能体仍然无法满足复杂 0D ROM 规划的长视野和高度耦合的性质。本文提出了零维降阶模型协同规划框架（Z-COPA），这是一种具有符号动作图引擎（SAGE）和 MILP 引导导航（MGN）优化器的多智能体架构。其核心创新是一种专用的图表示方法，可以精确编码0D流网络拓扑，将经验规划过程转化为严格的图结构优化问题。我们在两个真实的飞机发动机二次空气系统、两个 IEEE 配电重新配置基准和两个配水网络基准上验证了 Z-COPA 的正向和逆向设计能力以及泛化性能。结果显示出卓越的任务完成质量，在空气系统的正向和逆向设计中均获得了最佳性能。 Z-COPA颠覆了传统的0D模型规划范式，为探索更广阔的拓扑空间、实现高度自动化、全局最优的空中系统架构提供了一种全新的技术方法。