卫星早期方案设计需要在成本、质量、功耗、热耗及资源分布等多类工程指标之间进行综合权衡。不同单机设备在性能与资源占用方面存在显著差异，局部性能优势并不一定能够转化为系统整体优势。随着候选设备、设计变量和评价目标增加，方案组合空间快速扩张，多目标之间还存在复杂耦合与竞争关系，使传统依赖人工经验和局部比选的方法难以开展大规模方案搜索。现有多目标进化优化方法虽然能够缓解组合爆炸问题，但对历史设计经验及搜索过程中形成的高价值信息利用不足，在有限评价预算下仍面临搜索方向性不足和优质方案获取效率不高等问题。​
针对上述问题，本文面向卫星早期单机组合设计，构建包含总成本、总质量、任务平均功耗、瞬态功耗增量、总热耗、电负荷集中度、热热点集中度和质量集中度在内的八目标优化模型，并提出一种知识引导的多目标搜索与方案集优化方法。该方法综合利用历史设计信息、当前种群状态和搜索过程中产生的高价值候选方案，通过知识辅助提高搜索方向性，并根据搜索状态动态调整知识利用方式，在保持Pareto解集覆盖能力的同时提高有限评价预算下的搜索效率。围绕知识提取、协同搜索和方案交付，本文主要开展以下三项改进：​
1）高价值方案知识提取机制。针对传统优化方法对历史方案和搜索经验利用不足的问题，对搜索过程中具有较高综合价值和边界代表性的候选方案进行识别，从中提取与单机选择、属性组合及系统性能相关的设计规律。相比直接保存或重复利用历史优质方案，该方法更加关注方案中具有迁移价值的组合特征，使搜索过程中积累的信息能够持续服务于后续候选方案生成。​
2）动态知识协同搜索机制。针对固定知识在不同搜索阶段适用性变化的问题，根据候选方案实际搜索表现动态调整知识使用方式。搜索前期利用已有知识增强候选方案生成的方向性，减少低价值随机探索；随着搜索深入，逐步增强基础多目标优化算法的自主探索能力，使知识引导与进化搜索相互协同，从而兼顾早期搜索效率、后期局部优化及Pareto解集覆盖质量。​
3）固定规模候选方案集优化机制。针对多目标搜索产生大量非支配方案、而工程评审只能进一步分析有限候选架构的问题，对搜索过程中获得的优质非支配方案进行代表性筛选，在控制最终方案数量的同时保持目标空间的主要覆盖特征。该机制将算法产生的大规模非支配解集合转化为更加紧凑的工程候选方案集，为后续总体方案比较和设计边界分析提供支撑。​
为验证所提出方法的有效性，本文在统一函数评价预算下开展30个独立随机种子实验，并与多种具有代表性的多目标进化算法和不同知识引导策略进行对比，从超体积指标、反向世代距离、搜索全过程性能及最终候选方案集质量等方面开展综合评价。实验结果表明，所提出方法能够有效改善卫星八目标组合优化问题中的搜索性能，主要方法获得0.954169的最终HV组中位值和0.935203的HV-AUC组中位值，IGD+达到0.042897，在不同知识引导策略中表现出较好的综合性能。搜索过程结果进一步表明知识辅助能提高高价值候选区域的发现效率，在有限评价预算下维持较好的Pareto覆盖质量。​