为提高复杂环境模型参数识别的性能和效率,提出了改进单纯形法(IMSM)。该方法融合了随机全局搜索和单纯形法局部快速搜索两类算法的不同搜索机制,具有很强的广度搜索和深度搜索能力。以基于随机介质理论的抽水地面沉降时空耦合预测模型的参数识别为例,将IMSM算法应用于该模型中4个参数的优化识别。计算结果表明:无论在有扰动还是在没扰动条件下IMSM算法都能高效可靠地搜索到抽水地表沉降预计模型参数的全局最优解,说明此方法应用于复杂环境模型参数识别是可行的,同时,通过不同算法的比较也说明了IMSM算法在搜索性能和效率方面的优越性。

此方法打印迭代、实际基数、基数中的变量数、基数外的列。 以及降低的成本。 理论上它应该适用于退化的基本解决方案。 它不适用于博弈论问题有3种情况。 如果问题是 <= 约束，布尔变量是 menorigual=1, igual=0 并且 A 和 C 应该考虑松弛变量。 如果问题出在 = 约束上，那么布尔变量是 menorigual=0，igual=1。 如果问题在于 >= 约束，则布尔变量为 menorigual=0、igual=0。 A 和 C 应该考虑剩余变量

nelder-mead单纯形法，是一类直接搜索算法，不同于运筹学中的单纯形法。

单纯形法求解简易的线性规划详细可以查看https://blog.csdn.net/little_cats/article/details/81189794

最优化之线性规划求解算法之单纯性法的Python实现

线性规划单纯形法的matlab程序，加入松驰变量，化为标准型，得到

python窗体实现线性规划中的单纯形法，其中包含一个主要实现单纯形表算法的LPtable.py和实现tkinter窗体输入的test1.py。使用时直接在后者中点运行即可。

此算法用于求解无约束非线性规划最优解的问题 程序运行时在命令窗口输入：x=[0,1;2,3.....],danchunxing(x);

此内容广泛适用于需要对系统或者数据优化的相关学者。

用c++实现单纯形算法，比较简单，适合初级人员参考。