fminsearch算法
fminsearch使用内尔德-Mead单纯算法如Lagarias等人描述。[57]。该算法采用的单ñ+ 1分ñ维向量X。该算法首先围绕可初步推测单面X0通过加入5％的各成分的X0（一世） 至X0，并利用这些ñ向量作为除了单纯形的元件X0。（它使用0.00025作为组分一世如果X0（一世）= 0。）然后，单面反复根据以下过程中的算法修改。
注意
为关键字fminsearch迭代显示出现在胆大后的步骤的描述。
让X（一世）表示在当前的单点列表，一世= 1，...，ñ+1。
从最低的函数值的单订购点F（X（1））到最高F（X（ñ+1））。在迭代的每一步，算法丢弃当前最坏点X（ñ1），并接受另一个点到单工。[或者，在步骤7以下的情况下，它改变所有ñ与上述的值分F（X（1））]。
生成反射的点
[R= 2米-X（ñ+1），
哪里
米=ΣX（一世）/ñ，一世= 1 ...ñ，
并计算F（[R）。
如果F（X（1））≤F（[R）<F（X（ñ）），接受[R并终止本次迭代。反映
如果F（[R）<F（X（1）），计算出扩张点小号
小号=米+ 2（米-X（ñ+1）），
并计算F（小号）。
如果F（小号）<F（[R），接受小号并终止迭代。扩大
否则，请接受[R并终止迭代。反映
如果F（[R）≥F（X（ñ）），执行收缩之间米和更好X（ñ+1）和[R：
如果F（[R）<F（X（ñ+1））（即，[R优于X（ñ1）），计算
C=米+（[R-米）/ 2
并计算F（C）。如果F（C）<F（[R）接受C并终止迭代。合同外否则，继续步骤7（收缩）。
如果F（[R）≥F（X（ñ+1））， 计算
CC=米+（X（ñ+1） -米）/ 2
并计算F（CC）。如果F（CC）<F（X（ñ+1））接受CC并终止迭代。合同内否则，继续步骤7（收缩）。
计算ñ点
v（一世）=X（1）+（X（一世） -X（1））/ 2
并计算F（v（一世）），一世= 2，...，ñ+1。下一轮迭代的单纯是X（1），v（2），...，v（ñ+1）。收缩
下图显示了这点fminsearch可以计算的步骤，每一个可能的新单一起。原来单纯有一个大胆的轮廓。该迭代过程，直到他们满足停止准则。
也可以看看
相关话题
您还可以选择从下面的列表中的网站：
