Mesh Adaptive Direct Search ( MASH ) 是一种用于黑盒优化的算法

我想了解实现这种方法来解决一些 2D 多元黑盒函数$f(x,y)$，但无法理解算法。

到目前为止我的理解：

1. 从一些初始试验值开始$x_0, y_0$
2. 创建“网格”
3. 在网格上搜索有限数量的点
4. 如果搜索失败，请执行“轮询”步骤$P_k = x_k + \Delta_k d$

我困惑的地方

5. 我们如何“创建”网格？每次迭代时网格如何变化？

6. 我们如何执行搜索步骤？我们如何选择网格上的哪些点进行搜索？

7. 执行轮询步骤是什么意思？应该怎样$\Delta_k$改变？是什么意思$d$?

提前感谢您的帮助