Nelder-Mead法是利用多面体来逐步逼近最佳点x*.设函数变量为n维,则在n维空间里多面体有(n+1)个顶点.设x1,x2,...,xn+1为多面体的顶点,且满足:
f(x1)<=f(x2)<=...<=f(xn+1)
Nelder-Mead法试着将多面体中最差的顶点xn+1(也就是函数的最大点)以新的最佳点替代,来更新多面体,使之逼近最佳解.更新的设定方式有四种,分别是:反射,扩展,外收缩,内收缩.如果这四种方法都不适用,则进行变小步骤.
http://en.wikipedia.org/wiki/Nelder-Mead_method
http://hi.baidu.com/ne_fsx/blog/ ... 7bae0034fa4165.html,
1:遗传算法:Genetic Algorithm(GA)
2:麦夸特法:Levenberg-Marquardt(LM)
3:准牛顿法:Quasi-Newton(BFGS)
4:简面体爬山法:Simplex Method(SM)
5:最大继承法:Max Implementation Optimization(MIO)
6:模拟退火:Simulated Annealing(SA)
7:粒子群法:Particle Swarm Optimization(PSO)
8:自组织融合法:Self-Organizing Migrating Algorithm(SOMA)
9:共扼梯度法 (Conjugate-Gradient Method - CGM) + 通用全局优化算法(Universal Global Optimization - UGO)
10:包维尔法 (Powell Optimization-PO)+ 通用全局优化算法(Universal Global Optimization - UGO)
11:禁忌搜索法 :Tabu Search(TS)
12:单纯线性规划法:Simplex Linear Programming(SLP)
---------------------------------