Nelder-Mead算法（智能优化之下山单纯形法）

本文主要是介绍Nelder-Mead算法（智能优化之下山单纯形法），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

Nelder-Mead 算法是一种求多元函数局部最小值的算法，其优点是不需要函数可导并能较快收敛到局部最小值。

该算法需要提供函数自变量空间中的一个初始点x1，算法从该点出发寻找局部最小值

Nelder-Mead方法也称下山单纯形法，是由John Nelder & Roger Mead于1965年提出的一种求解数值优化问题的启发式搜索

给定n+1个顶点 $\text{[math]}$ （i=1,2...,n+1),这些点对应的函数值为 $\text{[math]}$

开始按以下算法步骤进行，直到满足特定的精度条件或者循环次数时退出循环：

一、按照目标函数值对n+1个点进行从好到差排序，确定最坏点 $\text{[math]}$ ，第二最坏点 $\text{[math]}$ 和最好点 $\text{[math]}$

二、计算除去最差点外其他点的中心点 $\text{[math]}$

三、反射操作，计算反射点 $\text{[math]}$ ( $\text{[math]}$ 就是最坏的点，C是第二步计算出的中心点， $\text{[math]}$ 是反射系数，等于1）

3.1若 $\text{[math]}$ （意思是反射点的结果在最好点和第二差点之间）令 $\text{[math]}$ （也就是去掉了最坏点）,并进入下一层循环。

3.2若 $\text{[math]}$ (意思是反射点的结果比最好的点还要好)，计算拓展点 $\text{[math]}$

3.2.1若 $\text{[math]}$ (意思是扩展点得到的结果比反射点要好)，令 $\text{[math]}$ ,并进入下一层循环

3.2.2否则 $\text{[math]}$ (扩展失败的意思），进入下一层循环

3.3若 $\text{[math]}$ (意思是反射点的结果在最差点和第二差点之间且比最差点要好)此时进行向外压缩操作，计算 $\text{[math]}$

3.3.1若 $\text{[math]}$ (意思是向外压缩点比反射点结果要好），令 $\text{[math]}$ (替换掉最差点），并进入下一层循环

3.3.2否则执行最后一步

3.4若 $\text{[math]}$ (意思是反射点的结果比最差点还要糟糕），此时进行向内压缩操作，计算 $\text{[math]}$

3.4.1若 $\text{[math]}$ ,令 $\text{[math]}$ ,并进入下一层循环

3.4.2否则进入下一层循环

3.5若上述四个条件都不符合，则令 $\text{[math]}$ (i=2,...n+1),并且将 $\text{[math]}$ 赋值给 $\text{[math]}$ 并进入下一层循环

下面以二元函数 $\text{[math]}$ 为例，使用python编程

给定初始点：[0,0],[1.2,0],[0,0.8]

def func(x1, x2):return x1 * x1 - 4 * x1 + x2 * x2 - x2 - x1 * x2# 创建一个简单的二维数组
x = [[0, 0, 0], [1.2, 0, 0], [0, 0.8, 0]]
n = len(x)
m=0
for m in range(20):# 第一步，将这些点按照从小到大排序# 计算每个点对应的函数值for i in range(n):x[i][2] = func(x[i][0], x[i][1])# 按照目标函数值进行排序---从小到大排序for i in range(n - 1):for j in range(n - 1):if x[j][2] > x[j + 1][2]:temp = x[j]x[j] = x[j + 1]x[j + 1] = tempprint("第{}次循环得到的最优值为：".format(m),x[0])# 第二步，计算除去最坏点的其他点的中心点c = [0, 0, 0]  # 进行一个初始化c[0] = (x[0][0] + x[1][0]) / 2c[1] = (x[0][1] + x[1][1]) / 2c[2] = func(c[0], c[1])# 第三步进行反射操作,计算反射点xr = [0, 0, 0]xr[0] = 2 * c[0] - x[2][0]xr[1] = 2 * c[1] - x[2][1]xr[2] = func(xr[0], xr[1])if x[0][2] <= xr[2] < x[1][2]:x[2] = xrcontinueelif xr[2] < x[0][2]:xe = [0, 0, 0]xe[0] = 3 * c[0] - 2 * x[2][0]xe[1] = 3 * c[1] - 2 * x[2][1]xe[2] = func(xe[0], xe[1])if xe[2] < xr[2]:x[2] = xecontinueelse:x[2] = xrcontinueelif x[1][2] <= xr[2] < x[2][2]:c1 = [0, 0, 0]c1[0] = c[0] + (xr[0] - c[0]) / 2c1[1] = c[1] + (xr[1] - c[1]) / 2c1[2] = func(c1[0], c1[1])if c1[2] < xr[2]:x[2] = c1continueelse:passelif x[2][2] <= xr[2]:c2 = [0, 0, 0]c2[0] = c[0] + (x[2][0] - c[0])c2[1] = c[1] + (x[2][1] - c[1])c2[2]=func(c2[0],c2[1])if c2[2]<x[2][2]:x[2]=c2continueelse:passi=1for i in range(n):x[i][0]=x[0][0]+(x[i][0]-x[0][0])/2x[i][1] = x[0][1] + (x[i][1] - x[0][1]) / 2x[i][2]=func(x[i][0],x[i][1])continue

运行结果如下图所示：