梯度法

維基百科，自由的百科全書

在最佳化中，梯度法（英語：Gradient method）是一種解決以下形式問題的算法

\min _{x\in \mathbb {R} ^{n}}\;f(x)

搜索方向由當前點的函數梯度定義。梯度法的例子有梯度下降法和共軛梯度法。

參見[編輯]

梯度下降法
隨機梯度下降法（英語：Stochastic gradient descent）
坐標下降法
法蘭克-沃爾夫算法（英語：Frank–Wolfe algorithm）
蘭德韋伯迭代（英語：Landweber iteration）
隨機坐標下降法（英語：Random coordinate descent）
共軛梯度法
共軛梯度法的推導
非線性共軛梯度法（英語：Nonlinear conjugate gradient method）
雙共軛梯度法（英語：Biconjugate gradient method）
穩定雙共軛梯度法

參考資料[編輯]

Elijah Polak. Optimization : Algorithms and Consistent Approximations. Springer-Verlag. 1997. ISBN 0-387-94971-2.

取自「https://zh.wikipedia.org/w/index.php?title=梯度法&oldid=76673137」

分類：

隱藏分類：

含有英語的條目