步长迭代
-
基于Wolfe准则的线性搜索优化算法
该项目旨在实现用于求解无约束优化问题的Wolfe线性搜索算法，这是最优化理论中确定步长的核心子程序。主要功能是给定当前的搜索方向和初始点，通过迭代计算满足强Wolfe准则（Strong Wolfe Conditions）或标准Wolfe准则的步长因子，以确保目标函数在每次迭代中具有足够的下降量，并保证后续迭代方向的有效性。实现方法包含初探阶段（Bracketing phase）和缩减阶段（Zoom phase），能够通过区间插值和外推逻辑处理各种复杂的非线性函数。应用场景涵盖逻辑回归参数优化、神经网络权重
