自动化设计综合有可能彻底改变现代工程设计流程，并提高无数行业对高度优化和定制产品的访问。成功地将生成式机器学习应用于设计工程可以实现这种自动化设计综合，是一个非常重要的研究课题。我们回顾并分析了工程设计中的深度生成机器学习模型。深度生成模型 (DGM) 通常利用深度网络从输入数据集中学习并合成新设计。最近，前馈神经网络 (NN)、生成对抗网络 (GAN)、变分自动编码器 (VAE) 和某些深度强化学习 (DRL) 框架等 DGM 在结构优化、材料设计和形状合成等设计应用中显示出良好的效果。自 2016 年以来，DGM 在工程设计中的普及率飙升。为了预测其持续增长，我们对最近的进展进行了回顾，以造福对设计 DGM 感兴趣的研究人员。我们将回顾的结构化为对当前文献中常用的算法、数据集、表示方法和应用的阐述。特别是，我们讨论了在 DGM 中引入新技术和方法、成功将 DGM 应用于设计相关领域或通过数据集或辅助方法直接支持 DGM 开发的关键工作。我们进一步