我正在尝试找到一种方法来采样具有最大最小距离（最大距离）的新点。当前的情况是存在 ns 个预先存在的样本点。我想要 N 个尽可能多地填充空间的新样本点（因此，最小距离的最大化）。

最传统的方法是在一个循环中对单个点进行采样（执行 N 个循环）。但是，我想要的是找到彼此之间以及与现有点之间的距离最大化的多个点。目前，我正在使用基于人口的全局优化器，其中变量设置如下：

当使用 nx 个变量对 N 个点进行采样时，单个总体将是一个长度为 (N x nx) 的向量。要最大化的目标函数将是 N 个点之间的最小距离的总和，以及 N 和 ns 个（现有）点之间的距离。

这种方法的问题在于，不仅问题是高度非线性的，而且优化问题的变量数量（N x nx）随着样本空间变量数量的增加而迅速增加（换句话说，尺寸）nx 增加。

我想知道除了矢量化多个样本之外还有其他方法吗？而且，是否有一种全局优化算法可以将群体中的多个个体作为其最佳结果（不是多目标优化，因为我的问题只有一个目标：距离）？