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?