梯度法和牛顿法求的最优解是全局最优还是局部最优

wshen52022-10-04 11:39:541条回答

已提交，审核后显示！提交回复

共1条回复

wijaya 共回答了21个问题 | 采纳率81%: 都是局部最优.
事实上,所有的迭代方法得到的都只是局部最优.; 1年前

相关推荐

在浓度稀释中,倍数法稀释与梯度法稀释的结果有什么不同? 857833881年前1: beyongair 共回答了19个问题 | 采纳率100%

•制备梯度稀释液：•1.称取溶剂1g,放入99mL无菌水的三角瓶中,玻璃珠振荡30min,即为稀释10－2的悬液.2.另取装有4.5mL无菌水试管4支,用记号笔编上10－3、10－4、10－5、10－6 、10－6 .取已稀释成10－2的溶液,振荡后静止0.5min,用无菌吸管吸取0.5mL悬液加入10－3的无菌水的试管中,并在试管内轻轻吹吸数次,使之充分混匀,即成10－3稀释液.同法依次连续稀释至10－4 、10－5、10－6稀释液,这样便得到梯度稀释,所以比倍数稀释较为有规律,可以更好比较不同的浓度所带来的影响

1年前查看全部

优化算法中梯度法,为什么梯度负方向下降最快? 有人喜欢蓝811年前2: 别用我的id 共回答了22个问题 | 采纳率95.5%

因为就那确定的点来说,梯度方向下降最快（有泰勒展开式得）,而从全局来看,此点的最有方向（负梯度方向）不是全局的最优方向

1年前查看全部

大家在问