Pour le développement d'architectures de systèmes innovantes, les techniques de modélisation et d'optimisation ont joué un rôle central dans la structuration du processus d'architecture et la définition des problèmes d'optimisation et de modélisation. Dans ce contexte, pour les systèmes de systèmes, l'utilisation d'approches dédiées efficaces (souvent des simulations basées sur la physique) est fortement recommandée afin de réduire la complexité computationnelle des applications cibles. Cependant, l'exploration de nouvelles architectures à l'aide de ces approches dédiées peut poser des défis aux algorithmes d'optimisation, notamment des coûts d'évaluation accrues et des échecs potentiels. Pour relever ces défis, des algorithmes d'optimisation basés sur des substituts, tels que l'optimisation bayésienne utilisant des modèles de processus gaussiens, sont apparus.