1) Steepest decent optimization method
最速下降寻优
2) steepest descent adaptive strategy
最速降寻优算法
3) steepest-descent
最速下降
1.
Combing the potential reduction method and steepest-descent algorithm,we establish a new steepest potential-reduction method,which not only improve the iterative speed,decreasingcomputation,but maintain the convergence result.
利用势缩减牛顿算法与最速下降算法,我们建立了求解约束方程的一种新的最速势缩算法,不仅提高了迭代速度、减少计算量,重要的是保证了算法的收敛性结果。
4) fastest optimation algorithm
最速下降优化算法
5) Newton preconditioned maximum descent method
牛顿预优最速下降法
6) gradient method
最优下降法
补充资料：最速下降法
分子式：
CAS号：
性质：一种基本的寻优方法。根据函数梯度的特性，在实验点附近，沿梯度方向函数变化率最大，称为最速上升方向。选取负梯度方向(最速下降方向)作为搜索方向来搜索极小值点，称为最速下降法。任选一个起始点X(0)，计算该点的梯度和梯度方向的单位向量E(0)，沿负梯度方向进行搜索，寻求最优步长h(0)，使在该方向的目标函数值最小。找到了最优步长，便得到一个新点X(1)，X(1)=X(0)-h(0)E(0)。再以X(1)点作为新的寻优起始点，继续上述的搜索步骤，直到满足给定的收敛要求为止。沿梯度方向进行搜索的特点是，函数在X(k)点与在X(k+1)，点的梯度向量相互垂直，搜索路线呈锯齿形；距极值点较远时，收敛速度较快，接近极值点，优化速度很慢；迭代计算比较简单，在计算中对起始点位置选择要求不高。
CAS号：
性质：一种基本的寻优方法。根据函数梯度的特性，在实验点附近，沿梯度方向函数变化率最大，称为最速上升方向。选取负梯度方向(最速下降方向)作为搜索方向来搜索极小值点，称为最速下降法。任选一个起始点X(0)，计算该点的梯度和梯度方向的单位向量E(0)，沿负梯度方向进行搜索，寻求最优步长h(0)，使在该方向的目标函数值最小。找到了最优步长，便得到一个新点X(1)，X(1)=X(0)-h(0)E(0)。再以X(1)点作为新的寻优起始点，继续上述的搜索步骤，直到满足给定的收敛要求为止。沿梯度方向进行搜索的特点是，函数在X(k)点与在X(k+1)，点的梯度向量相互垂直，搜索路线呈锯齿形；距极值点较远时，收敛速度较快，接近极值点，优化速度很慢；迭代计算比较简单，在计算中对起始点位置选择要求不高。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条