методы многомерной оптимизации, вопрос

[Ven0m104]

Почему в методе Ньютона нет шага, а остальные методы, например, методы градиентного спуска или другие методы второго порядка без него не обходятся?
$x_k_+_1=x_k - H^-^1(x_k) \operatorname{grad} f(x_k) $
Где H - матрица гессе.

[Sonic86]

Ven0m104 в сообщении #501617 писал(а):

Почему в методе Ньютона нет шага

В смысле "нет шага"? Вычисление $x_{k+1}$ как функции от $x_k$ - это шаг итерации метода Ньютона. Устраивает он Вас?

[Евгений Машеров]

Видимо, вопрос в том, почему нет "длины шага", как настроечного параметра?
Потому, что матрица Гессе уже его задаёт. Наилучшим образом, если минимизируется квадратическая функция, близким к наилучшему, если близкая к квадратической.

[Ven0m104]

Да, я именно об этом, спасибо.