MATLAB平面极小值寻孔问题求解求助：无有效初始猜测值

可调参数Nelder-Mead算法替换方案 #

fminsearch是内置的简化版Nelder-Mead实现，无法修改扩展步长乘数，你可以改用优化工具箱中支持自定义参数的Nelder-Mead实现，直接通过optimoptions修改扩展因子（即你提到的步长乘数）：

% 定义目标函数，示例为你的二维目标函数
obj_fun = @(x) your_function(x(1),x(2));
% 配置Nelder-Mead参数，扩展因子StepExpansion默认1.05，可按需调高到2~5
opts = optimoptions(@fminunc,'Algorithm','nelder-mead',...
    'StepExpansion',3,... % 自定义步长乘数
    'MaxIterations',1000,...
    'FunctionTolerance',1e-8);
% 以平面中心为初始点求解
x0 = [0,0]; % 替换为你的平面中心坐标
[x_opt,fval] = fminunc(obj_fun,x0,opts);

如果没有安装优化工具箱，也可以直接使用公开的自定义Nelder-Mead实现代码，直接修改步长参数即可使用。

全局+局部两级搜索方案 #

没有可靠初始猜测、极小值可能出现在任意位置时，单独使用局部优化器漏检概率很高，建议先做全局粗筛锁定候选区域，再做局部精搜：

• 低成本网格粗搜方案：先对定义域做均匀采样，筛选出函数值最低的3~5个点作为局部优化的初始点，再分别跑局部优化取最优结果，适合定义域范围不大的场景：

% 示例定义域为x∈[-10,10], y∈[-10,10]，采样步长按需调整
[x_grid,y_grid] = meshgrid(-10:0.5:10,-10:0.5:10);
f_grid = arrayfun(@(x,y) your_function(x,y),x_grid,y_grid);
% 取函数值最小的5个点作为初始点
[~,idx] = mink(f_grid(:),5);
x0_candidates = [x_grid(idx),y_grid(idx)];
% 对每个候选初始点做局部优化，取结果最小的即可

• 自带全局优化工具方案：如果安装了全局优化工具箱，直接使用MultiStart工具，自动生成数十到数百个随机初始点并行搜索，无需手动采样：

% 定义局部优化器
opts = optimoptions(@fminunc,'Algorithm','nelder-mead','Display','off');
local_opt = createOptimProblem('fminunc','objective',obj_fun,'x0',[0,0],'options',opts);
% 配置MultiStart，生成100个随机初始点
ms = MultiStart('UseParallel',true,'Display','off');
[x_opt,fval,~,output] = run(ms,local_opt,100);

小尺寸极小值专用优化方案 #

如果极小值直径远小于定义域范围，常规采样容易漏检，可以使用代理优化算法surrogateopt，该算法不需要梯度和初始点，会自动在潜在极小值区域加密采样，适配小尺寸极小值搜索场景：

% 定义定义域边界，示例为x∈[-10,10], y∈[-10,10]
lb = [-10,-10];
ub = [10,10];
opts = surrogateoptOptions('MaxFunctionEvaluations',500,'Display','iter');
[x_opt,fval] = surrogateopt(obj_fun,lb,ub,opts);

内容的提问来源于stack exchange，提问作者A. Goldstein