无导数优化方法适用于复杂的优化问题，但难以扩展到高维度（例如，大于1,000）。 以前，随机嵌入技术已被证明成功地解决了具有低有效尺寸的高尺寸问题。 但是，在许多应用中假设有效尺寸较低是不现实的。 本文转向研究具有较低的最佳“有效”维数的高维问题，该维数使所有维数都有效，但其中许多只具有有限的有限效应。我们对此类问题的随机嵌入性质进行了刻画，并提出了建议顺序随机嵌入（SRE）以减少嵌入间隙，同时在低维空间中运行优化算法。我们将SRE应用于几种最新的无导数优化方法，并对合成函数以及具有100,00