查看“︁梯度法”︁的源代码

在[[最佳化]]中，'''梯度法'''（{{lang-en|Gradient method}}）是一種解決以下形式問題的算法

:<math>\min_{x\in\mathbb R^n}\; f(x)</math>

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 ==
{{div col|colwidth=22em}}
* [[梯度下降法]]
* {{le|隨機梯度下降法|Stochastic gradient descent}}
* [[坐標下降法]]
* {{le|法蘭克-沃爾夫算法|Frank–Wolfe algorithm}}
* {{le|蘭德韋伯迭代|Landweber iteration}}
* {{le|隨機坐標下降法|Random coordinate descent}}
* [[共軛梯度法]]
* [[共軛梯度法的推導]]
* {{le|非線性共軛梯度法|Nonlinear conjugate gradient method}}
* {{le|雙共軛梯度法|Biconjugate gradient method}}
* [[穩定雙共軛梯度法]]
{{div col end}}

== 參考資料 ==
* {{cite book | year=1997 | title=Optimization : Algorithms and Consistent Approximations | publisher=Springer-Verlag | isbn=0-387-94971-2 |author=Elijah Polak}}

{{DEFAULTSORT:Gradient Method}}
[[Category:梯度法| ]]
[[Category:一阶方法]]
[[Category:优化算法和方法]]
[[Category:数值线性代数]]