CST优化器optimizer介绍和如何使用（实例讲解）（一）

大家好,我是CST电磁兼容性仿真。这是我的第75篇原创文章。为避免错过干货知识,欢迎关注公 众号，共同学习，共同进步！

CST 软件中的优化器 Optimizer 是一款功能强大的电磁系统和器件自动优化工具.  

一，功能概述          

参数优化：可以对模型的几何尺寸、材料属性等各种参数进行优化。用户能够在建模过程中或之后的任何时间引入参数，并通过用户界面方便地访问和修改这些参数，以研究设备在属性变化时的行为，从而找到实现特定效果或满足特定目标的最佳设计参数。

多目标优化：支持同时定义多个优化目标，如 S 参数、增益、效率等。可以根据实际需求，在不同的频率范围内设置不同的目标值和条件，如要求目标值大于或小于某个数值等，以实现对电磁系统性能的多方面优化。           

二，打开优化器

优化器位于simulation选项中的optimizer按钮，点击即可进入优化器设置。

三，优化器介绍

3.1优化器界面    

界面如下：

3.2 Simulation type

在Simulation type中可以选择在求解器求解时就进行优化或者利用后处理数据进行优化

选择所选求解器是否应用于每次优化评估，或者是否希望迭代特定的Template Based Post-Processing的后处理序列。对于每个参数组合，优化器要求运行求解器。如果优化器使用先前计算的数据或原始数据的插值，则可以避免一些求解器的运行。如果选择Template Based Post-Processing后处理，“求解器运行”对应于评估所有基于模板的后处理。一般选用Frequency Domain Solver求解器。

3.3 优化对话框设置属性

一共有三个属性页（settings，goals，info）用于优化设置。    

3.3.1 Settings

3.3.1.1 算法介绍

用于选择优化器的算法类型，一共有七种算法类型可供选择：

局部优化算法：

（1）Trust Region Framework：是一种强大的局部优化算法，它在起始点周围的 “信任” 区域内基于原始数据构建线性模型，并将建模后的解作为新的起始点，直到收敛到准确的数据模型。该算法可以利用 S 参数敏感度信息来减少所需的仿真次数并加速优化过程，具有较高的鲁棒性，适用于具有敏感度信息的模型。    

（2）Nelder Mead Simplex Algorithm：使用分布在参数空间中的多个点来寻找最优解，与大多数局部优化器相比，它对起始点的依赖性较小，适用于相对较少参数的复杂问题领域和没有良好初始模型的系统。

（3）Interpolated Quasi-Newton：通过插值来近似参数空间的梯度，是一种快速收敛的局部优化算法，适用于计算要求较高的模型。

（4）Classic Powell：是一种简单、稳健的单参数问题局部优化器，虽然收敛速度比 Interpolated Quasi-Newton 慢，但有时可能更准确，适用于单变量优化。

全局优化算法：

（1）Covariance Matrix Adaptation Evolutionary Strategy (CMA-ES)：是最复杂的全局优化器之一，对于全局优化器来说收敛速度相对较快。该算法能够 “记住” 之前的迭代过程，有助于提高算法性能并避免局部最优解，适用于一般优化，特别是复杂问题领域。

（2）Genetic Algorithm：采用进化的方法进行优化，在参数空间中生成点，并通过多代随机参数突变和选择 “最适” 参数集来逐步收敛到全局最优解，适用于复杂问题领域和具有许多参数的模型。

（3）Particle Swarm Optimization：将参数空间中的点视为移动粒子，在每次迭代中，粒子的位置不仅根据每个粒子的已知最佳位置，还根据整个群体的最佳位置而变化，适用于具有许多参数的模型。          

3.3.1.2 Reset min/max

用于将每个参数的最小值和最大值重置为输入的初始值的百分比。用于设置最大最小值的变化幅度。    

3.3.1.3 Use current as initial/anchor values

激活此复选框以使用当前值初始化优化器。这意味着您可以继续优化过程，使用先前获得的参数结果启动求解器。但是，如果您希望使用相同的初始参数条件多次运行优化器，则必须禁用此检查按钮。              

3.3.1.4 Use data of previous calculations

激活此复选按钮可触发导入以前计算的新优化结果，以加快优化过程。如果优化器目标所基于的结果模板之前已经评估过，并且相应的参数组合位于已定义的参数空间中，则可以导入结果，而不需要重新计算。对于局部算法，如果提前找到一个更合适的点，则可以替换初始点。对于使用一组初始点的算法，如果找到合适的数据，将替换多个初始点。如果参数组合非常接近，或者对应的目标值优于邻域内先前计算的参数，则用先前计算的点替换。这可能会干扰所选择的初始点集的分布类型，但算法将在寻找具有良好目标值的点和参数空间中分布良好的起始点集之间找到一个很好的折衷。请记住，此特性将使优化的再现性更加困难，因为优化之后将有比以前更多的潜在导入可用。               

3.3.1.5 参数列表

在参数列表中，可以选择优化运行期间变化的参数。可以手动或如上所述使用Reset min/max按钮设置为优化过程所选参数的最小和最大范围。    

3.3.2 Goals

可以选择用于优化的目标，并根据各自的目标类型定义目标设置。优化后的结果可用于新的优化。所有类型的结果都可以被访问。

Add New Goal

通过这个按钮来添加一个新目标。可以定义0D, 1D和1DC结果目标或特殊滤波器优化目标。

通过选择求解器结果或预定义后处理结果，可以将任意结果数据用作目标值。如果没有定义这样的结果，那么选择这个目标类型将自动打开相应的定义目标对话框，在其中可以定义所需的结果。    

查看优化的信息

下一篇我会通过一个实例来讲解如何使用CST软件优化器optimizer来优化参数。

最后感谢下大家的阅读，万水千山总是情，给个点赞行不行。