# parameter-optimization

Помогает спланировать дизайн экспериментов, оценить чувствительность параметров и подобрать метод оптимизации симуляции. Пригодится при калибровке моделей с ограниченным числом запусков.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · ★ 83
- Автор: HeshamFS
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/HeshamFS/materials-simulation-skills/tree/HEAD/skills/simulation-workflow/parameter-optimization/SKILL.md
- Обновлён: 2026-10-21
- HTML: https://affpapa.org/nevibecode/skills/parameter-optimization

## Что делает

Скилл структурирует подготовку расчётов и калибровку материаловедческих моделей. Он помогает составить план выборки параметров и определить стратегию поиска оптимума. Внутри заложена логика выбора между методом латинского гиперкуба (`lhs`), квазислучайными сетками или полным факторным планом.

Для работы нужен Python 3.10+. Никаких сторонних библиотек ставить не придётся: все вспомогательные скрипты написаны на стандартной библиотеке Python. В набор входят генератор плана `scripts/doe_generator.py`, модуль анализа чувствительности `scripts/sensitivity_summary.py`, селектор оптимизатора `scripts/optimizer_selector.py` и сборщик суррогатных моделей `scripts/surrogate_builder.py`. Каждый инструмент возвращает структурированный JSON.

Выбор алгоритма привязан к размерности задачи и бюджету вычислений. Если параметров не больше 10, а лимит симуляций ограничен 100 запусками, скилл рекомендует байесовскую оптимизацию. Для пространств до 20 параметров предлагается CMA-ES. При более высокой размерности применяется случайный поиск со скринингом.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add HeshamFS/materials-simulation-skills --skill parameter-optimization -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/parameter-optimization/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/parameter-optimization/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add HeshamFS/materials-simulation-skills --skill parameter-optimization -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/parameter-optimization/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add HeshamFS/materials-simulation-skills --skill parameter-optimization -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/parameter-optimization/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install HeshamFS/materials-simulation-skills parameter-optimization
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/parameter-optimization/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add HeshamFS/materials-simulation-skills --skill parameter-optimization -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/HeshamFS/materials-simulation-skills --path skills/simulation-workflow/parameter-optimization
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/parameter-optimization/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add HeshamFS/materials-simulation-skills --skill parameter-optimization -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/HeshamFS/materials-simulation-skills/tree/HEAD/skills/simulation-workflow/parameter-optimization/SKILL.md

## Когда брать
- составить план выборки методом Latin Hypercube или квазислучайной сетки
- ранжировать параметры симуляции по оценкам чувствительности
- выбрать алгоритм оптимизации под размерность задачи и вычислительный бюджет
- построить суррогатную модель для аппроксимации дорогих запусков

## Примеры запросов агенту
- Помоги откалибровать теплопроводность и диффузию для FEM-модели, бюджет — 30 запусков.
- Сгенерируй план эксперимента методом Latin Hypercube для 3 параметров на 20 точек.
- Подбери оптимизатор для задачи размерности 4 при бюджете 50 вычислений и низком уровне шума.

## Похожие
- [anysearch](https://affpapa.org/nevibecode/skills/anysearch.md) — скилл · 38500 установок
- [academic-paper](https://affpapa.org/nevibecode/skills/academic-paper.md) — скилл · 10900 установок
- [nature-figure](https://affpapa.org/nevibecode/skills/nature-figure.md) — скилл · 18800 установок
- [academic-paper-reviewer](https://affpapa.org/nevibecode/skills/academic-paper-reviewer.md) — скилл · 9900 установок
- [nature-polishing](https://affpapa.org/nevibecode/skills/nature-polishing.md) — скилл · 17500 установок
- [nature-citation](https://affpapa.org/nevibecode/skills/nature-citation.md) — скилл · 15600 установок

Из того же набора: [heshamfs/materials-simulation-skills](https://affpapa.org/nevibecode/by/heshamfs/materials-simulation-skills.md) — 18 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md