Búsqueda de patrones (optimización)

Como resultado, se puede usar en funciones que no son continuas o diferenciables.

La optimización intenta encontrar la mejor coincidencia (la solución que tiene el valor de error más bajo) en un espacio de posibilidades del análisis multidimensional.

[1]​ Una variante temprana y sencilla se atribuye a Fermi y Metropolis cuando trabajaban en el Laboratorio Nacional de Los Álamos.

[3]​ Más tarde, Torczon, Lagarias et al.

Fuera de tales clases, la búsqueda de patrones es una heurística que puede proporcionar soluciones aproximadas útiles para algunos problemas, pero puede fallar en otros.

Ejemplo de convergencia de un método de búsqueda directa sobre la función de Broyden . En cada iteración, el patrón se mueve al punto que minimiza mejor su función objetivo o se reduce de tamaño si ningún punto es mejor que el punto actual, hasta que se logra la precisión deseada o el algoritmo alcanza un número predeterminado de iteraciones.