用途：为材料仿真校准提供参数优化工作流，涵盖实验设计、参数影响排序与优化策略选择。
主要能力：提供四个脚本。scripts/doe_generator.py 生成 DOE 样本，输出 samples、method、coverage；scripts/sensitivity_summary.py 按敏感性分数排序参数，输出 ranking、notes；scripts/optimizer_selector.py 推荐优化器，输出 recommended、expected_evals、notes；scripts/surrogate_builder.py 拟合代理模型，输出 model_type、metrics、notes。
方法选择：维度≤3 且需全覆盖用 factorial；否则若目标是敏感性分析用 quasi-random（推荐，sobol 已弃用）；否则用 lhs。优化器选择：维度≤5 且预算≤100 用贝叶斯优化；否则维度≤20 用 CMA-ES；再高用随机搜索加筛选。噪声低可用梯度法或贝叶斯优化，中噪声用带噪声模型的贝叶斯优化，高噪声用进化算法或鲁棒贝叶斯优化。
使用方式：先收集参数边界（含单位）、评估预算、噪声水平与约束。运行示例：python3 scripts/doe_generator.py --params 3 --budget 20 --method lhs --json；python3 scripts/sensitivity_summary.py --scores 0.2,0.5,0.3 --names kappa,mobility,W --json；python3 scripts/optimizer_selector.py --dim 3 --budget 50 --noise low --json；python3 scripts/surrogate_builder.py --x 0,1,2 --y 10,12,15 --model rbf --json。
限制：不用于实时优化，脚本只给建议；代理模型为占位实现，仅计算基础指标；不自动执行仿真，需用户外部运行并提供结果。参数、预算须为正，方法须为 lhs、sobol 或 factorial，分数须逗号分隔。参考资料见 references 目录下 DOE、优化器、敏感性与代理模型指南。