読者です 読者をやめる 読者になる 読者になる

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?