凸优化学习-（二十四）无约束优化算法——梯度下降法

凸优化学习 梯度下降法是最经典、最简单的算法，要求目标函数一阶可微无约束，有 m,M \textbf{m,M} m,M控制凸性。 学习笔记 一、梯度下降法 形如： d k = − ∇ f ( x k ) Repeat d k = arg ⁡ min ⁡ f ( x k + α d k ) α max ⁡ ≥ α ≥ 0 x k + 1 = x k + α k d k Until Convergen

>>阅读原文<<