首页
随机
附近
登录
设置
资助维基百科
关于维基百科
免责声明
搜索
梯度法
语言
监视
编辑
在
最佳化
中,
梯度法
(英语:
Gradient method
)是一种解决以下形式问题的算法
min
x
∈
R
n
f
(
x
)
{\displaystyle \min _{x\in \mathbb {R} ^{n}}\;f(x)}
搜索方向由当前点的函数
梯度
定义。梯度法的例子有
梯度下降法
和
共轭梯度法
。
参见
编辑
梯度下降法
随机梯度下降法
(
英语
:
Stochastic gradient descent
)
坐标下降法
法兰克-沃尔夫算法
(
英语
:
Frank–Wolfe algorithm
)
兰德韦伯迭代
(
英语
:
Landweber iteration
)
随机坐标下降法
(
英语
:
Random coordinate descent
)
共轭梯度法
共轭梯度法的推导
非线性共轭梯度法
(
英语
:
Nonlinear conjugate gradient method
)
双共轭梯度法
(
英语
:
Biconjugate gradient method
)
稳定双共轭梯度法
参考资料
编辑
Elijah Polak. Optimization : Algorithms and Consistent Approximations. Springer-Verlag. 1997.
ISBN
0-387-94971-2
.