海浪能等可再生能源在应对全球能源需求的巨大增长方面发挥着举足轻重的作用。 预计波浪能将成为未来十年增长最快的能源之一，为可持续能源提供巨大的潜在来源。 本研究调查了振荡浮标式波浪能转换器 (WEC) 的放置优化。 评估了由一系列完全淹没的三系绳浮标组成的波浪农场的设计。 在波浪养殖场中，浮标位置对养殖场的产量有显着影响。 由于浮标之间非常复杂的相互作用（建设性和破坏性），优化浮标位置是一个具有挑战性的研究问题。 这项研究的主要目的是通过在尺寸受限的环境中放置浮标来最大化农场的功率输出。 该框架提出了一种新的启发式局部搜索与数值优化方法相结合的混合方法，该方法利用基于知识的代理权模型。 以下论文报告了所有优化结果： Neshat, M.、Alexander, B.、Sergiienko, N. 和 Wagner, M.（2019 年）。 通过混合局部搜索对波能转换器位置优化的新见解。 a

为了克服狼群搜索算法（WSA）存在的不足，提出一种新的混合优化算法，称之为引入Nelder-Mead算子的改进狼群搜索算法。该算法使得每只狼在个体搜索中能够利用群体信息和个体记忆来指导其搜索猎物，以提高算法的全局搜索能力；让每只狼在个体搜索中可使用Nelder-Mead方法，以弥补WSA在局部搜索能力上的不足。选取六个基准函数，用来测试算法的优化性能。实验结果表明：该算法能够寻得更优的最优解，且鲁棒性更强，可应用于求解高维复杂优化问题。

基于Nelder-Mead单纯形法的改进量子行为粒子群算法.pdf

在线单纯形搜索是众所周知的 Nelder-Mead 优化算法的实现。 Matlab 中常见的单纯形搜索不适用于在线实现，因为使用的状态变量不是持久的，并且算法没有实现为可重入。 此处提供的实现是可重入的。 因此，可以将算法生成的样本顶点输出并进行评估。 在系统稳定到评估的顶点后，可以读取新的成本值，之后可以重新输入函数，并“记住”由于持久变量而“记住”的先前顶点的成本。

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。

nelder_mead优化算法求多维函数极值的一种算法，不利用任何求导。利用多面体逼近

内德米德 Nelder-Mead优化算法的纯Python / Numpy实现。 为什么？ 用于包含在对第三方库的支持有限的项目中，例如PyPy项目，Google App Engine项目等。 据我所知，Nelder-Mead唯一的开源实现是SciPy打包的实现。 但是，尚无法在PyPy中或在Google App Engine中使用SciPy。 但是PyPy和GAE都支持Numpy，并且可以运行当前的Nelder-Mead实现。 参考 请参阅Wikipedia上有关Nelder-Mead算法的说明： ://en.wikipedia.org/wiki/Nelder–Mead_method

Nelder mead simplex单纯形直接搜索算法，无约束无导优化；

无约束最优化问题的单纯性替换法寻优 nelder-mead 方法 matlab程序