Nelder–Mead算法[

Nelder-Mead算法是一种非梯度优化算法，用于求解无约束优化问题。它通过逐步改变一个简单形状的多边形来搜索最优解。该算法主要包括三个操作：反射、扩展和收缩。

反射操作是通过计算目标函数在多边形内部某个顶点关于另外两个顶点的中心对称点得到一个新的顶点，并计算该顶点的目标函数值。如果新顶点的目标函数值小于当前最小值但大于第二小值，那么新顶点会被接受，并取代原先的最大顶点。

扩展操作是通过计算目标函数在反射得到的顶点关于另外两个顶点的中心对称点得到一个新的顶点，并计算该顶点的目标函数值。如果新顶点的目标函数值小于当前最小值，那么新顶点会被接受，并取代原先的最大顶点。

收缩操作是通过计算目标函数在除了最小顶点外的所有顶点关于最小顶点的中心对称点得到一组新的顶点，并计算它们的目标函数值。如果所有新顶点的目标函数值都大于当前最小值，那么会重新计算一个更小的多边形。

通过不断进行上述操作，Nelder-Mead算法可以逐步接近最优解。然而，由于算法的局部搜索性质，它可能会陷入局部最优解。因此，在实际应用中，可以使用多次不同的初始点进行搜索，以增加找到全局最优解的概率。