本课题主要利用数值方法研究了三个重要的无导数优化算法的性能，这三个算法分别是matlab中的Nelder-Mead单纯形算法 (Nelder-Mead simplex algorithm)、fmincon中的积极集算法(active-set algorithm)和内点算法(interior-point algorithm)。本文首先回顾了这三个算法的大致思想和算法流程，然后在三个国际通用的函数库中测试了这三个算法的大量数据，这三个函数库是：Hedar、CEC2014和GKLS函数库。最后利用Performance profile技术和Data profile技术分析了这三个算法测试出来的数据，通过数值比较结果表明较好的算法是积极集算法(active-set algorithm)

本文的主要工作

本文研究课题是无导数优化算法及其数值比较，比较和分析单纯形优化算法（Nelder-Mead simplex algorithm）、fmincon中的积极集算法（active-set algorithm）和内点算法（interior-point algorithm）这三种方法的数值测试表现。

全文结构安排如下：

第一章是绪论，主要介绍最优化算法与无导数优化问题，并简述本课题的研究背景及意义。

第二章是无导数优化算法简介，详细介绍Nelder-Mead单纯形算法 、fmincon中的积极集算法以及内点算法这三个算法。

第三章是数值实验，介绍了本文所采用的三个测试函数库，分别是Hedar库函数、CEC2014库函数（IEEE conference on evolutionary computation 2014）、GKLS库函数，简述测试的实验环境和算法参数分析。

第四章是数值结果分析与比较，对Nelder-Mead单纯形算法、积极集算法、内点算法这三个算法进行数值测试，重点利用Performance profile技术和Data Profile技术这两个技术比较三个算法，再分析并评价一下测试数值。

第五章是总结，对Nelder-Mead单纯形算法、积极集算法、内点算法这三个无导数优化算法的优缺点进行总结，并对研究方向进行展望。

本课题只针对Nelder-Mead单纯形算法、fmincon中的积极集算法和内点算法这三个无导数优化算法做简单介绍，并利用Performance profile技术和data profile技术对测试数据进行分析比较。总而言之，在这三个数据库中进行测试对比分析后，相对来说，最好的算法是积极集算法。积极集算法的运算成本比较少，三个函数库中最大的运算成本是....和相对计算成本是....，这是能解决66%的问题，而且它能解决问题的数目也相对比较稳定。