pythonNOA优化算法

Python中的NOA（Nelder-Mead Optimization Algorithm）算法，也称为Nelder-Mead方法或简单x-y搜索法，是一种常用的数值优化算法，用于寻找函数的最小值。它是一种直接优化方法，适用于无约束或较少约束的问题，特别适合于那些难以求导的非线性函数。

Nelder-Mead算法的工作原理基于一组被称为"多面体"的决策变量，通过比较函数值来调整多面体的形状，逐步缩小目标函数的局部最小值区域。具体步骤包括：

1. 初始化：选择一个初始多面体，通常为随机生成的一组点。
2. 计算函数值：评估每个点的函数值。
3. 比较和缩放：根据函数值，选择中心点（全局最优），然后通过收缩、反射、膨胀或舍弃操作来移动多面体。
4. 局部优化：如果找到新解的函数值更优，用新解替换旧解；否则，根据当前策略更新多面体。
5. 重复步骤3和4，直到满足停止条件（如达到预定的最大迭代次数或达到足够小的函数值变化）。