比浏览器更快的访问！
24 关系: 单纯形法，代数方程，初始，共轭迭代法，共轭梯度法，线性规划，牛顿法，遗传算法，非线性规划，解析解，高斯-赛德尔迭代，计算数学，迭代，迭代函数，近似，阿贝尔定理，雅可比法，梯度下降法，模拟退火，最小二乘法，方程，方程组，数学，数值分析。
单纯形法
由George Dantzig发明的单纯形法（simplex algorithm）在数学优化领域中常用于线性规划问题的数值求解。 Nelder-Mead 法或称下山单纯形法，与单纯形法名称相似，但二者关联不大。该方法由Nelder和Mead于1965年发明，是用于优化多维无约束问题的一种数值方法，属于更普遍的搜索算法的类别。这两种方法都使用了单纯形的概念。单纯形是 N 维中的 N+1 个顶点的凸包，是一个多胞体：直线上的一个线段，平面上的一个三角形，三维空间中的一个四面体等等，都是单纯形。.
代数方程
代数方程是未知数和常数进行有限次代数运算所组成的方程。代数方程包括有理方程和无理方程。有理方程又包括整式方程与分式方程。整式方程，就是所谓的“多项式方程”。.
初始
初始（或写作始初，8年12月17日－9年1月14日）是西汉时期孺子婴的第2个年号，也是他的最后一个年号，共计1个月。初始元年十二月王莽即位，建立新朝，以初始元年十二月朔癸酉为正月之朔，改元始建国，西汉灭亡。 《资治通鉴》写作“始初”，《汉书·王莽传》作“初始”。居延汉简则也是“初始”，另外有出土记为初始元年的文物。 中央研究院之兩千年中西曆轉換將初始元年起始日作戊辰年十一月初一（8年12月17日）。初始年號終結於9年1月14日。学者張小鋒认为初始年号始于居攝三年十一月廿一日（9年1月6日），只使用了9天。.
共轭迭代法
#重定向 共轭梯度法.
共轭梯度法
共轭梯度法（Conjugate gradient method），是求解系数矩阵为对称正定矩阵的线性方程组的数值解的方法。共轭梯度法是一个迭代方法，它适用于系数矩阵为稀疏矩阵的线性方程组，因为使用像Cholesky分解这样的直接方法求解这些系统所需的计算量太大了。这种方程组在数值求解偏微分方程时很常见。 共轭梯度法也可以用于求解无约束的最優化问题。 双共轭梯度法（BiConjugate gradient method）提供了一种处理非对称矩阵情况的推广。.
线性规划
在數學中，線性規劃（Linear Programming，簡稱LP）特指目標函數和約束條件皆為線性的最優化問題。 線性規劃是最優化問題中的一個重要領域。在作業研究中所面臨的許多實際問題都可以用線性規劃來處理，特別是某些特殊情況，例如：網路流、多商品流量等問題，都被認為非常重要。目前已有大量針對線性規劃算法的研究。很多最優化問題算法都可以分解為線性規劃子問題，然後逐一求解。在線性規劃的歷史發展過程中所衍伸出的諸多概念，建立了最優化理論的核心思維，例如「對偶」、「分解」、「凸集」的重要性及其一般化等。在微观经济学和商业管理领域中，线性规划亦被大量应用于例如降低生产过程的成本等手段，最終提升產值與營收。乔治·丹齐格被認爲是线性规划之父。.
牛顿法
牛顿法（Newton's method）又称为牛顿-拉弗森方法（Newton-Raphson method），它是一种在实数域和复数域上近似求解方程的方法。方法使用函数f(x)的泰勒级数的前面几项来寻找方程f(y).
遗传算法
遗传算法（genetic algorithm (GA) ）是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。 遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）可抽象表示为染色體，使种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中评价整个种群的适应度，从当前种群中随机地选择多个个体（基于它们的适应度），通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。.
非线性规划
在数学中，非线性规划是求解由一系列未知实函数组成的组方程和不等式（统称为约束）定义的最佳化問題，伴随着一个要被最大化或最小化的目标函数，只是一些约束或目标函数是非線性的。 它是最优化处理非线性问题的一个子领域。.
解析解
解析解，又稱為閉式解，是可以用解析表達式來表達的解。 在数学上，如果一个方程或者方程组存在的某些解，是由有限次常见运算的組合给出的形式，则称该方程存在解析解。二次方程的根就是一个解析解的典型例子。在低年级数学的教学当中，解析解也被称为公式解。 当解析解不存在时，比如五次以及更高次的代数方程，则该方程只能用数值分析的方法求解近似值。大多數偏微分方程，尤其是非线性偏微分方程，都只有數值解。 解析表達式的准确含义依赖于何种运算称为常见运算或常见函数。传统上，只有初等函数被看作常见函数（由於初等函數的運算總是獲得初等函數，因此初等函數的運算集合具有閉包性質，所以又稱此種解為閉式解），无穷级数、序列的极限、连分数等都不被看作常见函数。按这种定义，许多累积分布函数无法写成解析表達式。但如果把特殊函数，比如误差函数或gamma函数也看作常见函数，则累积分布函数可以写成解析表達式。 在计算机应用中，这些特殊函数因为大多有现成的数值法实现，它们通常被看作常见运算或常见函数。实际上，在计算机的计算过程中，多数基本函数都是用数值法计算的，所以所谓的基本函数和特殊函数对计算机而言并无区别。 J J J en:Analytical expression ja:解析解.
高斯-赛德尔迭代
斯－赛德尔迭代（Gauss–Seidel method）是数值线性代数中的一个迭代法，可用来求出线性方程组解的近似值。该方法以卡爾·弗里德里希·高斯和命名。同雅可比法一样，高斯－赛德尔迭代是基于矩阵分解原理。.
新！!: 迭代法和高斯-赛德尔迭代 · 查看更多 »
计算数学
计算数学是数学的一个分支，研究的内容包括设计和分析算法以及数学建模等，目的是为了在实际工程中利用快速稳定的算法得到精确值的近似值。在计算机科学高度发展的今天，其基础计算理论的发展使计算数学进入现代化阶段。.
迭代
迭代是重复反馈过程的活动，其目的通常是为了接近并到达所需的目标或结果。每一次对过程的重复被称为一次“迭代”，而每一次迭代得到的结果会被用来作为下一次迭代的初始值。.
迭代函数
在数学中，迭代函数是在碎形和动力系统中深入研究的对象。迭代函数是重复的与自身复合的函数，这个过程叫做迭代。.
近似
近似或是逼近是指一個事物和另一事物類似，但不是完全相同。近似可以用在許多性質上，是指幾乎一様，但沒有完全一様的情形。 近似最常用在數字上，也常用在數學函數、形狀及物理定律中。 在科學上，會將一物理現象轉換為一個有相似結構的模型，當準確的模型難以應用時，會用一個較簡單的模型來近似，簡化中間的計算，例如用球棒模型來近似實際化學分子中原子的分佈。當由於資訊不完整，無法確切陳述特定事物時，也可以用近似的方式處理。 近似的種類會依照可以取得的資訊、需要的準確程度及使用近似可以節省的時間及精力而定。.
阿贝尔定理
阿貝爾定理是冪級數的一個重要結果。.
雅可比法
在数值线性代数中，雅可比法（Jacobi Method）是一种解对角元素几乎都是各行和各列的绝对值最大的值的线性方程组的算法。求解出每个对角元素并插入近似值。不断迭代直至收敛,解线性方程组的迭代法。这个算法是雅可比矩阵的精简版。方法的名字来源于德国数学家卡尔·雅可比。.
梯度下降法
梯度下降法（Gradient descent）是一个一阶最优化算法，通常也称为最速下降法。 要使用梯度下降法找到一个函数的局部极小值，必须向函数上当前点对应梯度（或者是近似梯度）的反方向的规定步长距离点进行迭代搜索。如果相反地向梯度正方向迭代进行搜索，则会接近函数的局部极大值点；这个过程则被称为梯度上升法。.
模拟退火
模擬退火是一種通用概率演算法，常用來在一定時間內尋找在一個很大搜尋空間中的近似最優解。模擬退火是S.
最小二乘法
最小二乘法（又称--）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。 利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。 “最小平方法”是對過度確定系統，即其中存在比未知數更多的方程組，以迴歸分析求得近似解的標準方法。在這整個解決方案中，最小平方法演算為每一方程式的結果中，將殘差平方和的總和最小化。 最重要的應用是在曲線擬合上。最小平方所涵義的最佳擬合，即殘差（殘差為：觀測值與模型提供的擬合值之間的差距）平方總和的最小化。當問題在自變量（x變量）有重大不確定性時，那麼使用簡易迴歸和最小平方法會發生問題；在這種情況下，須另外考慮變量-誤差-擬合模型所需的方法，而不是最小平方法。 最小平方問題分為兩種：線性或普通的最小平方法，和非線性的最小平方法，取決於在所有未知數中的殘差是否為線性。線性的最小平方問題發生在統計迴歸分析中；它有一個封閉形式的解決方案。非線性的問題通常經由迭代細緻化來解決；在每次迭代中，系統由線性近似，因此在這兩種情況下核心演算是相同的。 最小平方法所得出的多項式，即以擬合曲線的函數來描述自變量與預計應變量的變異數關係。 當觀測值來自指數族且滿足輕度條件時，最小平方估計和最大似然估计是相同的。最小平方法也能從動差法得出。 以下討論大多是以線性函數形式來表示，但對於更廣泛的函數族，最小平方法也是有效和實用的。此外，迭代地將局部的二次近似應用於或然性（藉由費雪信息），最小平方法可用於擬合廣義線性模型。 其它依據平方距離的目標加總函數作為逼近函數的主題，請參見最小平方法（函數近似）。 最小平方法通常歸功於高斯（Carl Friedrich Gauss，1795），但最小平方法是由阿德里安-马里·勒让德（Adrien-Marie Legendre）首先發表的。.
方程
数学中方程可以简单的理解为含有未知数的等式。例如以下的方程： 其中的x為未知數。 如果把数学当作语言，那么方程可以为人们提供一些用来描述他们所感兴趣的对象的语法，它可以把未知的元素包含到陈述句当中（比如用“相等”这个词来构成的陈述句），因此如果人们对某些未知的元素感兴趣，但是用数学语言去精确地表达那些确定未知元素的条件时需要用到未知元素本身，这时人们就常常用方程来描述那些条件，并且形成这样一个问题：能使这些条件满足的元素是什么？在某个集合内，能使方程中所描述的条件被满足的元素称为方程在这个集合中的解（比如代入某个數到含未知数的等式，使等式中等号左右两边相等）。 求出方程的解或说明方程无解这一过程叫做解方程。可以用方程的解的存在状况为方程分类，例如，恒等式即恒成立的方程，例如(y + 2)^2.
方程组
方程组（--）又稱--（--），是两个或两个以上含有多个未知数的方程联立得到的集。未知数的值称为方程组的根，求方程组根的过程称为解方程组。一般在方程式的左边加大括号标注。.
数学
数学是利用符号语言研究數量、结构、变化以及空间等概念的一門学科，从某种角度看屬於形式科學的一種。數學透過抽象化和邏輯推理的使用，由計數、計算、量度和對物體形狀及運動的觀察而產生。數學家們拓展這些概念，為了公式化新的猜想以及從選定的公理及定義中建立起嚴謹推導出的定理。 基礎數學的知識與運用總是個人與團體生活中不可或缺的一環。對數學基本概念的完善，早在古埃及、美索不達米亞及古印度內的古代數學文本便可觀見，而在古希臘那裡有更為嚴謹的處理。從那時開始，數學的發展便持續不斷地小幅進展，至16世紀的文藝復興時期，因为新的科學發現和數學革新兩者的交互，致使數學的加速发展，直至今日。数学并成为許多國家及地區的教育範疇中的一部分。 今日，數學使用在不同的領域中，包括科學、工程、醫學和經濟學等。數學對這些領域的應用通常被稱為應用數學，有時亦會激起新的數學發現，並導致全新學科的發展，例如物理学的实质性发展中建立的某些理论激发数学家对于某些问题的不同角度的思考。數學家也研究純數學，就是數學本身的实质性內容，而不以任何實際應用為目標。雖然許多研究以純數學開始，但其过程中也發現許多應用之处。.
数值分析
数值分析（numerical analysis），是指在数学分析（区别于离散数学）问题中，对使用数值近似（相对于一般化的符号运算）算法的研究。 巴比伦泥板YBC 7289是关于数值分析的最早数学作品之一，它给出了 \sqrt 在六十进制下的一个数值逼近，\sqrt是一個邊長為1的正方形的對角線，在西元前1800年巴比倫人也已在巴比倫泥板上計算勾股數（畢氏三元數）（3, 4, 5），即直角三角形的三邊長比。 数值分析延續了實務上數學計算的傳統。巴比倫人利用巴比伦泥板計算\sqrt的近似值，而不是精確值。在許多實務的問題中，精確值往往無法求得，或是無法用有理數表示（如\sqrt）。数值分析的目的不在求出正確的答案，而是在其誤差在一合理範圍的條件下找到近似解。 在所有工程及科學的領域中都會用到数值分析。像天體力學研究中會用到常微分方程，最優化會用在资产组合管理中，數值線性代數是資料分析中重要的一部份，而隨機微分方程及馬可夫鏈是在醫藥或生物學中生物細胞模擬的基礎。 在電腦發明之前，数值分析主要是依靠大型的函數表及人工的內插法，但在二十世紀中被電腦的計算所取代。不過電腦的內插演算法仍然是数值分析軟體中重要的一部份。.
重定向到这里：
迭代方法。
