数值优化 · 示例项目
优化算法的收敛轨迹
比较梯度下降与 Newton 方法，理解步长、曲率与收敛速度。
探索的问题
项目规划：选择二次函数与 Rosenbrock 函数作为实验对象，对比固定步长、回溯线搜索和 Newton 迭代。
实验路线
- 实现目标函数、梯度与 Hessian
- 记录每一步目标值和梯度范数
- 比较迭代次数、计算成本和收敛轨迹
成果记录
这里预留给你的实验图、误差表、代码仓库和计算报告。完成实验后，替换为真实结果即可。
查看资料书架 →比较梯度下降与 Newton 方法，理解步长、曲率与收敛速度。
项目规划：选择二次函数与 Rosenbrock 函数作为实验对象，对比固定步长、回溯线搜索和 Newton 迭代。
这里预留给你的实验图、误差表、代码仓库和计算报告。完成实验后，替换为真实结果即可。
查看资料书架 →