最速降低法/steepest descent,牛顿法/newton,共轭方向法/conjugate direction,共轭梯度法/conjugate gradient 及其余

在最优化的领域中,这“法”那“法”无穷多,并且还“长得像”——名字类似的多,有时让人以为很迷惑。算法 在自变量为一维的状况下,也就是自变量能够视为一个标量,此时,一个实数就能够表明它了,这个时候,若是要改变自变量的值,则其要么减少,要么增长,也就是“非左即右“,因此,说到“自变量在某个方向上移动”这个概念的时候,它并非十分明显;而在自变量为n(n≥2)维的状况下,这个概念就有用了起来:假设自变量X
相关文章
相关标签/搜索