勾配法
最適化問題を解く一つの方法。目的関数を微分してその値によって変数を動かし、傾きを０に近づけることによって最適解を求める。
$ X_{q+1}=X_{q}+αS_{q}
$ X:設計変数係数　$ S:探査方向ベクトル　$ \alpha:ステップ幅　$ q:試行回数
普通、$ S=\nabla F(X)(Fは目的関数)である。つまり、目的関数の微分が0だったら上の等式が成り立ち、そのときのXが最適解である。しかし、制約条件という壁がある場合は探査方向を変えなければならない。→Feasible Directions Method
弱点
局所最適解に陥りやすい。
目的関数の形がわかっていなければならない。
⁠確率的勾配降下法
最急降下法
直接有限差分法
Adjoint 法
参考文献：gihyo.jp 「最適化のための勾配法」https://gihyo.jp/dev/serial/01/machine-learning/0016
多目的遺伝的アルゴリズムによる空力最適設計 、大林　茂、www.ifs.tohoku.ac.jp/edge/publications/optimizationmethod.pdf
#テーマ6
#最適化問題