卫星舱内布局问题是卫星总体设计的重要一环,如何综合考虑组件散热等热场约束,将卫星组件合理分配到承载板上,对布局优化算法提出了很大的挑战。针对卫星热布局优化需要嵌套调用热场数值仿真导致的计算复杂性难题,本论文对基于深度学习代理模型的序贯优化方法进行了研究,特别针对如何高效序贯采样以有针对性地提升代理模型精度,提高序贯优化效率,系统研究了序贯优化采样方法。本文的主要研究内容和创新性工作如下:首先,将热组件布局优化问题离散化建模,基于离线数据研究序贯采样方法。针对高维表征的布局方案样本间有效距离计算问题,提出一种基于布局变换的距离计算方法,通过距离远近判断不同离线样本在空间中的相对位置关系,基于此方法定义出局部样本与全局样本;通过综合平衡全局与局部样本的采样方式,证明了该算法能够有效提升在重点区域采样的能力,并在此基础上形成了一套离散热源布局序贯优化设计方法。算例测试验证了上述方法的有效性。其次,针对具备在线生成样本条件的离散热源组件布局优化问题,提出一种序贯优化采样的在线样本生成方式。根据布局的特点,将组件的移动范围以及组件移动数量作为在线生成样本的设计变量,通过调整设计变量以改变新样本在空间中与优化解的距离远近,基于此方法定义局部样本与全局样本的生成方式;利用优化信息调整设计变量,改变新样本在空间中的分布与数量,并提出一种基于最大化最小距离准则的采样方法,提升了序贯加点的全局性,防止采集的新样本在最优解区域过于聚集。综合使用上述方法形成了一类采样策略,通过对优化结果分析,证明基于优化信息调整新样本生成方式与数量能够有效提升在线样本的质量,使用基于最大化最小距离准则的采样方法能够更高效地均衡局部与全局样本的采样比例,提高序贯优化效率,在此基础上形成一套基于在线样本的离散热源布局序贯优化设计方法。算例测试表明,本方法进一步增强了基于代理模型的优化算法寻优能力。最后,针对连续布局设计优化问题的序贯优化采样问题,利用组件紧凑度指标度量新样本在空间中与优化解的距离远近,基于此定义出局部样本与全局样本的在线生成方式;利用优化信息调整紧凑度,改变新样本在空间中的分布范围与采样比例。通过对优化结果的分析,证明了基于优化信息调整新样本生成范围与采样比例能够有效提升模型在最优解附近的预测精度。算例测试验证了连续布局问题序贯优化的有效性。本论文围绕卫星舱内热组件布局优化应用需求,系统研究了基于代理模型的布局方案优化设计水平,通过探索合适的采样策略,使用较少的样本获得代理模型在重点区域更好的预测精度,有效减少数据生成带来的计算成本,基于代理模型实现更高效的布局序贯优化对提升卫星设计水平、保证卫星设计的先进性具有重要意义,并可为推广应用于其他复杂系统热组件布局优化提供参考。