1. 全局优化

• 功能：在参数空间和目标空间计算数据最优解，通过迭代优化算法，搜索满足多目标条件的最优参数组合 。

• 使用场合：多准则优化场景，如工程中需平衡多个性能指标（成本、效率等）找最优方案；科研数据分析中多目标函数寻优 。

• 特点：支持多目标并行优化，能处理复杂非线性优化问题；输出种群（Population）、帕累托索引（Pareto Indexes ）等结果，辅助分析优化状态 。

• 注意事项：需合理设置种群规模（Population Size ）、迭代次数等参数，影响优化效率与结果；输入参数范围要准确，避免因边界不合理导致无解或局部最优 。

• 对比类似功能：相比简单单目标优化 VI，可同时优化多个冲突目标；比手动遍历寻优，效率大幅提升，借助算法智能搜索，适合复杂多准则场景 。

2. 初始数据生成

• 功能：创建优化所需初始数据，为全局优化提供初始种群，如通过 “Ramp by Samples” 等节点生成有序初始数值序列 。

• 使用场合：优化流程起始，为后续迭代优化提供基础输入，确保优化有初始探索范围 。

• 特点：可灵活设置数据生成规则（如采样方式、数据范围 ），适配不同优化问题初始条件需求 。

• 注意事项：初始数据分布要合理，若过于集中可能限制优化探索范围，导致陷入局部最优；需与整体优化参数范围匹配 。

• 对比类似功能：比固定初始值方式，能提供更丰富、有探索性的初始数据；与随机完全无序初始数据生成相比，可通过规则控制数据分布趋势，引导优化方向 。

3. 结果展示

• 功能：呈现优化结果，包括参数空间、目标空间图形展示，及最优解（Optima ）数量统计等，直观呈现多准则优化效果 。

• 使用场合：优化完成后，用于分析、验证优化结果，辅助工程师判断优化是否达到预期，如查看目标函数值分布、参数对应关系 。

• 特点：可视化呈现复杂优化结果，以图表形式展示种群、最优解等信息，便于快速理解优化效果 。

• 注意事项：要确保数据传输正确，否则图表可能显示异常；需理解图表坐标轴、曲线含义（如目标空间 f1、f2 代表不同目标函数，参数空间 x、y 为优化参数 ），准确解读结果 。

• 对比类似功能：比纯数值输出结果，可视化更直观，便于发现优化规律；与通用数据可视化 VI 相比，针对多准则优化结果做适配，能关联参数与目标函数关系展示 。