最適化（導関数がない，求める事が困難，かつ，制約が無い場合）

導関数がない場合
・滑降シンプレックス法（アメーバ法，Nelder-Mead法とも呼ばれる）を使う．
　（線形計画問題のシンプレックス法とは違う）

　アルゴリズム概要を理解することは容易．ただ，なんでこれでうまく行くのかの理解は難しそう．
　というか，これでうまくいくの？っていうのがGAと同じモヤモヤがある．
　アルゴリズム自体はWikipediaにもあるので割愛．
　
　イメージとしては次元が落ちてしまわないように多面体を考えつつ，それをちょっとずつ縮めて
　行って最適解に近づく．具体的には，多面体の頂点の内，もっとも最適解より遠い頂点を順次変換
　していく．この際に，多面体を広げる操作が入ることがある．これで，局所解に落ちることを
　できるだけ避けようとしているのかな？

　これを理解したと言うには，下に自信を持って答えられるようにするといいのかな．
　・なんでN変数に対して，N+1次元の多面体を考えるのか？
　・拡大の意味は？