• 离散型优化  screening
• 单目标连续型优化
• screen 最快 仅局部 NL局部好 全局未 定 single更全局
• 多目标连续型优化
• 优先用multi

screening筛选法：在设计参数范围内全举

MOGA多目标遗传算法优化：初始样本数量、迭代样本数量（55-75）

基于拉格朗日非线性优化算法：

导数逼近:中心差分准确性加大，计算量大、向前差分降低精度

混合整数算法：

（优选）单目标自适应优化算法：拉丁超立方抽样、

直接优化法中的算法：1.Screening（全局法、筛选法）——优化设计中的样本数量，必须大于输入和输入的参数数量，默认值为1000。（这种方法不是最好的优化设计方法，一般是用来检验其他优化设计方法是否为一个全局最优解）。

2.MOGA：多目标遗传优化算法。

3.基于拉格让日的非线性规划优化算法（NLPQL）。

4.混合整数二次规划优化算法（MISQP）。

5.单目标自适应优化算法（Adaptive Single—Objective）：便于获取局部最优解。

一般直接优化法的时候，输入参数比较多的、大的设计变量的时候用.单目标自适应优化算法（Adaptive Single—Objective）或者拉格让日的非线性规划优化算法（NLPQL）。

精度上与效率上也要找平衡。