能否使用Nelder-Mead优化算法求解旅行商问题（TSP）及实现方案

完全存在可落地的成熟实现路径，核心是不硬套连续实数空间的几何计算规则，把NM的核心迭代逻辑映射到离散排列的组合空间上，你目前卡的两个核心问题都有对应的标准化解法：

排列空间的离散“质心”计算 #

原连续NM的质心是对单纯形内非最差顶点的坐标取算术平均，本质是找一个和集合内所有顶点距离总和最小的中心点。对应到TSP的排列空间，根本不需要做数值加权平均，直接用近似Kemeny中位数作为离散质心即可：

• 先定义排列之间的度量：用交换距离（即两个排列之间，最少通过多少次两两元素交换能从一个排列变成另一个排列）替代连续空间的欧氏距离。
• 计算近似质心：统计当前单纯形（注意TSP场景下不需要像连续空间那样用维度+1个顶点组成单纯形，通常取5~10个当前最优的排列解组成单纯形即可）内所有城市对的先后顺序占比——比如65%的单纯形顶点中城市A在城市B前面，就把参考排列中A的位置放在B前面，按照这个占比规则排出来的参考排列，就是计算量极低、足够支撑迭代的近似质心，不需要求全局最优的Kemeny中位数，避免额外计算开销。

基于质心的反射/扩张/收缩新解生成 #

原连续NM的反射逻辑本质是沿着“最差顶点指向质心”的方向，跨过质心延伸等距长度生成新点，对应到离散排列空间不需要严格计算几何坐标位置，完全可以复用你已经实现的遗传算法成熟算子完成操作：

• 反射操作：计算当前单纯形内最差排列和质心排列的交换距离，沿着两个排列的连接路径，跨过质心延伸同等距离生成新解。具体实现直接用顺序交叉（OX）算子，将最差排列和质心排列作为父代做交叉，生成的新排列就是符合反射逻辑的候选解——OX交叉生成的排列会同时保留两个父代的顺序特征，和两个父代的距离量级完全匹配连续空间反射的距离要求。
• 扩张操作：如果反射生成的解质量优于质心，就将反射得到的新解和质心排列再做一次OX交叉，生成离质心更远的新候选解，对应原NM的扩张步长逻辑。
• 收缩操作：如果反射生成的解质量不如质心，就将最差排列和质心排列做OX交叉生成新解，相当于把最差解往质心方向移动半个距离，对应原NM的收缩步长逻辑。

落地注意事项 #

• 不需要严格遵循原NM的单纯形顶点规模：对几百个城市规模的TSP，按连续空间规则取城市数量+1个顶点组成单纯形的计算开销完全不可接受，5~8个顶点的规模就足够支撑迭代收敛。
• 算子可以和现有遗传算法模块完全复用：你已经实现的顺序交叉、2-opt邻域优化逻辑，不需要额外改写就可以直接套用到离散NM的迭代流程里，减少开发量。
• 单纯形的替换逻辑和原NM保持一致：新生成的解如果优于单纯形内的最差解，就替换掉最差解更新单纯形；如果新解质量不达标就执行收缩调整步长，不需要改动原算法的迭代收敛框架。

内容的提问来源于stack exchange，提问作者Nova