设计自动化通常指电子设计自动化，或产品配置器的设计自动化。不断发展的计算机辅助设计(CAD)、自动化设计和计算机自动化设计(CAutoD)[1][2][3] 因其在广泛领域的应用而获得更多的关注，例如汽车工程、土木工程、[4][5][6][7] 复合材料设计、控制工程、[8]动态系统识别和优化，[9]金融系统、工业设备、机电系统、钢结构、[10] 结构优化[11] 和新系统的发明。
CAutoD的概念可能最早出现在1963年的《IBM公司研究与发展杂志》上，[1] 当时刊载了一个计算机程序。
最近，通过生物启发式机器学习,[12]传统的CAD仿真已转型为CAutoD，包括启发式搜索技术，如进化计算,[13][14] 和群体智能算法。[15]
以单目标CAutoD为例，如果目标函数是代价函数 ，或相反 是适应度函数，那么
,
在多维空间的实际约束下是可微分的，设计问题可以通过分析得到求解。找到让一阶导数为零并且满足二阶求导条件的参数集，即为局部最优解。然后把所有的局部最优解的性能指标值和所有边界参数集的性能指标值进行比较，就可以得到全局最优解，对应的“参数”集就代表最优设计。然而，在实际中，优化往往涉及到多个目标，并且相关的求导的问题也要复杂得多。
在实际情况中，目标值可能有噪声或甚至是非数值的，因此其梯度信息有可能是不可靠或无效的。当求解问题是多个目标时，尤其如此。目前，许多设计和改进主要是通过在CAD仿真程序包的辅助下，人工进行反复试验来完成的。通常，这种后验学习或调整需要重复很多次，直到产生“满意”或者“最佳”的设计。
理论上，这种调整过程可以通过计算机化搜索(如穷举搜索)实现自动化。由于这是一种指数级的算法，在实际应用中，它可能无法在有限的时间内给出答案。
有一种实现虚拟工程和自动化设计的方法是进化计算，比如进化算法。
为了减少搜索时间，可以使用生物启发式进化算法(EA)，这是一种(不确定性)多项式算法。基于进化算法的多目标“搜索组”可以以批处理模式与现有的CAD仿真程序包进行交互。进化算法对设计参数进行编码(如果有些参数是非数值的，进行编码就是必要的)，通过平行搜索和互动搜索来优化多个候选个体。在搜索过程中，使用“优胜劣汰”后验学习，做出“选择”。为了产生下一代可能的群体，一些参数值在两个候选个体之间交换(通过称为“交叉”的操作)并且引入新的值(通过称为“变异”的操作)。通过这种方式，进化技术以和人类设计者相同的聪明方式使用了过去的试验信息。
基于进化算法的最优设计可以从设计者现有的设计数据库开始，也可以从由随机产生的候选设计个体组成的初始代开始。最终演变出的一些表现最好的候选个体将代表几个自动优化的数字化原型。
一些网站展示了设计领域的交互式进化算法。你可以在 EndlessForms.com在线形成3D物体，并且可以3D打印该物品。你可以在PicBreeder.org制作出2D图像并打印。
^Kamentsky, L.A., and Liu, C.-N. (1963). Computer-Automated Design of Multifont Print Recognition Logic, IBM Journal of Research and Development, 7(1), p.2.
^Brncick, M. (2000). Computer automated design and computer automated manufacture, Phys Med Rehabil Clin N Am, Aug, 11(3), 701-13..
^Li, Y., et al. (2004). CAutoCSD - Evolutionary search and optimisation enabled computer automated control system design Archived 2015-08-31 at the Wayback Machine. International Journal of Automation and Computing, 1(1). 76-88. ISSN 1751-8520.
^KRAMER, GJE; GRIERSON, DE, (1989) COMPUTER AUTOMATED DESIGN OF STRUCTURES UNDER DYNAMIC LOADS, COMPUTERS & STRUCTURES, 32(2), 313-325.
^MOHARRAMI, H; GRIERSON, DE, 1993, COMPUTER-AUTOMATED DESIGN OF REINFORCED-CONCRETE FRAMEWORKS, JOURNAL OF STRUCTURAL ENGINEERING-ASCE, 119(7), 2036-2058.
^XU, L; GRIERSON, DE, (1993) COMPUTER-AUTOMATED DESIGN OF SEMIRIGID STEEL FRAMEWORKS, JOURNAL OF STRUCTURAL ENGINEERING-ASCE, 119(6), 1740-1760.
^Barsan, GM; Dinsoreanu, M, (1997). Computer-automated design based on structural performance criteria, Mouchel Centenary Conference on Innovation in Civil and Structural Engineering, AUG 19-21, CAMBRIDGE ENGLAND, INNOVATION IN CIVIL AND STRUCTURAL ENGINEERING, 167-172.
^Li, Y., et al. (1996). Genetic algorithm automated approach to the design of sliding mode control systems, Int J Control, 63(4), 721-739..
^Li, Y., et al. (1995). Automation of Linear and Nonlinear Control Systems Design by Evolutionary Computation, Proc. IFAC Youth Automation Conf., Beijing, China, August 1995, 53-58..
^Barsan, GM, (1995) Computer-automated design of semirigid steel frameworks according to EUROCODE-3, Nordic Steel Construction Conference 95, JUN 19-21, 787-794.
^Gary J. Gray, David J. Murray-Smith, Yun Li, et al. (1998). Nonlinear model structure identification using genetic programming, Control Engineering Practice 6 (1998) 1341—1352.
^Zhan, Z.H., et al. (2011). Evolutionary computation meets machine learning: a survey, IEEE Computational Intelligence Magazine, 6(4), 68-75..
^Gregory S. Hornby (2003). Generative Representations for Computer-Automated Design Systems, NASA Ames Research Center, Mail Stop 269-3, Moffett Field, CA 94035-1000.
^J. Clune and H. Lipson (2011). Evolving three-dimensional objects with a generative encoding inspired by developmental biology. Proceedings of the European Conference on Artificial Life. 2011..
^Zhan, Z.H., et al. (2009). Adaptive Particle Swarm Optimization, IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), Vol.39, No.6. 1362-1381.
暂无