我正在尝试使用在scipy.minimize（method ='Nelder-Mead'）中实现的Nelder-Mead来最小化函数。该函数有大约30个输入，但我已经顺序优化（即优化前5个，保持剩余25个固定，然后逐渐增加变量数量以最小化）。 （我没有使用基于渐变的，因为我的目标函数中存在模拟噪声，因为太小的步长和渐变不可靠而使其不平滑）。
然而，迭代非常缓慢。如果我计算单个功能评估的步骤，则需要大约60秒，但优化中的每次迭代都非常慢，至少慢于10分钟。我正在使用回调函数选项来衡量所花费的时间。
每次迭代都做了什么？它在初始单纯形中实际上需要N ^ 2步吗？在算法的每一步中做了什么？我知道它与Matlab实现有所不同，Matlab实现每次迭代只需要一步（如果缩小或扩展单纯形，有时会多一些）。或者仅仅是调用回调函数的时间问题？
是的，我在Jupyter笔记本中运行它。但我已经运行了3天以上，只完成了221次迭代，并且优化了20个变量;平均每次迭代超过20分钟。