Как такового мануала не встречал по авто-адаптации. Процесс авто-адаптации очень простой. Выбираешь переменные наиболее сомнительные или не сомнительное а возможные с колебаниями. Задаешь диапазон возможного изменения. Запускаешь на чувствительность. Убираешь переменные которые не влияют вообще (или влияют но не сильно). Дальше по алгоритмам дизайн эксперимента по этим переменным запускаешь расчеты. Появляется response surface. Отправной точкой выбираешь возможный потенциальный глобальный минимум и оттуда начинаешь разными алгоритмами адаптировать и дорабатывать модель до кондиции. Потенциальных глобальных минимумов может быть несколько и соответственно отправных точек может быть несколько.

При оптимизации тоже самое но выбираешь потенциальный глобальный максимум. Кроме этого смотришь что бы адаптированная модель не разошлась из за вносимых изменений. Если портиться адаптация то придется адаптировать на возможные изменения этого параметра, а дальше при оптимизации использовать несколько вариантов адаптированных моделей. 

Кроме того надо отметить что некоторые алгоритмы, данные полученные с дизайн эксперимента используют для нахождения отправной точки для поиска глобального минимума (что уже упоминалось выше), а также для адаптации модели. Это идет из того что алгоритмы уже понимают что на что влияет и в какой степени.

Kazhymukan, можно посмотреть подход, описанный у Bhark et al