无梯度优化Skill derivative-free-optimization

无梯度优化是一种数学优化技术,用于在目标函数的梯度信息不可用、难以计算或不可靠的情况下寻找最优解。它通过直接评估函数值来探索参数空间,适用于黑盒函数优化、实验设计、参数调优等场景。主要方法包括Nelder-Mead单纯形法、Powell方法、贝叶斯优化和模式搜索等。关键词:无梯度优化,黑盒优化,贝叶斯优化,参数调优,数学优化,代理模型,Nelder-Mead,Powell方法,模式搜索,信赖域方法。

预测建模 0 次安装 2 次浏览 更新于 2/25/2026

name: derivative-free-optimization description: 无梯度优化 allowed-tools:

  • Bash
  • Read
  • Write
  • Edit
  • Glob
  • Grep metadata: specialization: 数学 domain: 科学 category: 优化 phase: 6

无梯度优化

目的

为梯度信息不可用或不可靠的问题提供优化能力。

能力

  • Nelder-Mead单纯形法
  • Powell方法
  • 基于代理模型的优化
  • 贝叶斯优化
  • 模式搜索方法
  • 信赖域方法

使用指南

  1. 方法选择:根据问题特征选择方法
  2. 函数评估:最小化昂贵的函数调用
  3. 代理模型:构建和精炼代理近似
  4. 探索-利用平衡:平衡搜索策略

工具/库

  • scipy.optimize
  • Optuna
  • GPyOpt