NLopt中的无导数算法

（本文所涉及各量皆为C风格，即包含的头文件是 nlopt.h而非 nlopt.hpp）
首先说一下NLopt中算法的命名规则，C风格的命名规则为 NLOPT_{G,L}{N,D}_xxxx，其中 G/L代表全局最优与局部最优， N/D代表无导数与有导数。例如 NLOPT_LN_COBYLA则表示无导数局部最优的COBYLA算法。
这里的导数是我们算完之后填入

if (grad)
{
   
	/* 各变量的导数 */
}

中的，但是在很多情况下，当问题很复杂时，很难求解出其导数，这个时候就需要使用无导数的算法。

无导数全局最优算法

这种算法的命名为NLOPT_GN_xxxx。最简单的方法就是在编译器中输入NLOPT_GN_，然后它会自己弹出来有哪些算法，一个一个试，看哪个满足自己的要求即可：）。

DIRECT和DIRECT-L

DIRECT指的是Dividing Rectangles算法。
首先是基本的NLOPT_GN_DIRECT和NLOPT_GN_DIRECT_L。其中NLOPT_GN_DIRECT将更多的精力放在了全局，而NLOPT_GN_DIRECT_L算法在局部的表现会更好，其适用于没有过多局部最小值的函数。
其次是NLOPT_GN_DIRECT_L_RAND，该变体加入了一点随机性以帮助确定将哪个维度二等分。
由于DIRECT算法将各约束缩放为超立方体（与正方体类似，只是正方体为三维，而超立方体为指定维度），因此所有维度的搜索权重是相同的。如果你要搜索的空间与超立方体相差甚远，则更适合用DIRECT的变体NLOPT_GNL_DIRECT_NOSCAL, NLOPT_GN_DIRECT_L_NOSCAL和NLOPT_GN_DIRECT_L_RAND_NOSCAL。
同时，还可以使用基于原始的Fortran语言写的NLopt算法NLOPT_GN_ORIG_DIRECT, NLOPT_GN_ORIG_DIRECT_L，在不同的情况下，这两个的表现可能会更好，不过也可能会变差，需要实际尝试。