本发明属于模拟电路设计自动化领域。涉及一种高维空间中的贝叶斯优化方法。具体涉及一种基于可加性假设和图结构高斯过程模型的模拟电路优化方法。本发明针对具有可加性假设(Additive Assumption)和图结构(Graph Structure)的高维空间,将原高维参数空间分解为多个互不相交的参数子空间,并在参数子空间中构建各参数间的关系依赖图,应用基于可加性假设和图结构的高斯过程模型(Gaussian Process Regression,GPR),明显降低高维情况下贝叶斯优化方法的时间复杂度,加速电路优化过程。本方法实验结果表明,在高维模拟电路贝叶斯优化问题中,相较于现有方法可获得更快的收敛速度。