文章 "种群优化算法：Nelder-Mead（NM），或单纯形搜索方法" 新评论 MetaQuotes 2024.06.21 09:29 新文章 种群优化算法：Nelder-Mead（NM），或单纯形搜索方法已发布： 本文表述针对 Nelder-Mead 方法进行的彻底探索，解释了如何在每次迭代中修改和重新排列单纯形（函数参数空间），从而达成最优解，并讲述了如何改进该方法。 Nelder-Mead 方法由 John Nelder 和 Roger Mead 于 1965 年开发。他们那时正在寻找一种优化方法，能配合没有导数、或没有导数解析方程的函数工作。他们还打算开发一种易于实现且高效的方法，从而在当时的计算机上使用。这项研究激发了他们使用单纯形的灵感 — 函数参数空间中的多面体。 该方法的创建历史始于约翰·内尔德（John Nelder）、及其同事在牛津计算实验室的工作。他们面对的问题是优化没有解析导数、或太复杂而无法计算的函数。传统的优化方法（如梯度方法）不适用于这种情况。代之，Nelder 和 Mead 提出了一种基于函数参数空间中迭代搜索最优解的新方法。 Nelder-Mead 方法被称为“单纯形法”，并于 1965 年发表在《计算机杂志》上的《函数最小化的单纯形方法》一文中。该方法已被科学界所接受，并已广泛应用于需要函数优化的各个领域。 单纯形是形成多面体的一组顶点，其中每个顶点都是需被优化的一组函数参数值。这个思路是在参数空间中改变和移动单纯形，从而找到函数的最优值。 作者：Andrey Dik 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
新文章 种群优化算法：Nelder-Mead（NM），或单纯形搜索方法已发布：
本文表述针对 Nelder-Mead 方法进行的彻底探索，解释了如何在每次迭代中修改和重新排列单纯形（函数参数空间），从而达成最优解，并讲述了如何改进该方法。
Nelder-Mead 方法由 John Nelder 和 Roger Mead 于 1965 年开发。他们那时正在寻找一种优化方法，能配合没有导数、或没有导数解析方程的函数工作。他们还打算开发一种易于实现且高效的方法，从而在当时的计算机上使用。这项研究激发了他们使用单纯形的灵感 — 函数参数空间中的多面体。
该方法的创建历史始于约翰·内尔德（John Nelder）、及其同事在牛津计算实验室的工作。他们面对的问题是优化没有解析导数、或太复杂而无法计算的函数。传统的优化方法（如梯度方法）不适用于这种情况。代之，Nelder 和 Mead 提出了一种基于函数参数空间中迭代搜索最优解的新方法。
Nelder-Mead 方法被称为“单纯形法”，并于 1965 年发表在《计算机杂志》上的《函数最小化的单纯形方法》一文中。该方法已被科学界所接受，并已广泛应用于需要函数优化的各个领域。
单纯形是形成多面体的一组顶点，其中每个顶点都是需被优化的一组函数参数值。这个思路是在参数空间中改变和移动单纯形，从而找到函数的最优值。
作者：Andrey Dik