首頁
隨機
附近
登入
設定
資助維基百科
關於維基百科
免責聲明
搜尋
梯度法
語言
監視
編輯
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
∈
R
n
f
(
x
)
{\displaystyle \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
.
