考虑模拟退火 或类似算法。

简而言之，此类算法在您的维空间中执行随机游走，但是否采取新步骤取决于此步骤损失的能量¹：$N$

• 如果步长减小，则进行。$E$
• 如果步长增加，则该步的概率取决于该步所损失的能量。这个概率随着时间的推移而降低（即退火）。$E$

优点是：

• 您根本不需要计算导数（除非您选择混合技术）。
• 您还可以找到全局最小值。

缺点是：

• 您需要对进行大量评估。$E$
• 这是一种蒙特卡洛算法，因此它可能并不总能找到您想要的答案（特别是如果您必须减少计算量）。

这是否真的是您的最佳解决方案显然只有您可以决定，因为这取决于很多因素。

^{¹ 或获得，取决于您的观点和迹象}

如果您正在处理粒子位置（正如您在上面的评论中指出的那样），这可能不是一件容易的事。示例是 Lennard-Jones 原子聚类问题，即使只有 150 个粒子也很难解决。这些问题是间接组合的或连续组合的。您可能会寻找 Lennard-Jones 问题的现有解决方案，也许您可​​以找到适合您应用的解决方案。一般可用的求解器无法解决此类问题。