研究了使用单纯形直接搜索算法对广义不对称拉普拉斯（GAL）分布（也称为方差伽马）的最大似然（ML）估计。 在本文中，我们使用数值直接搜索技术来最大化对数似然率以获得ML估计量，而不是使用传统的EM算法。 GAL的密度函数仅是连续的，相对于参数而言是不可微分的，并且Bessel函数在密度中的出现使得难以获得整个GAL系列的渐近协方差矩阵。 利用M估计理论，研究了ML估计量的性质。 ML估计量对于GAL系列是一致的，并且仅对于非对称Laplace（AL）系列可以保证其渐近正态性。 获得了AL族的渐近