最最佳化反演

最最佳化反演：對非線性反演問題中的誤差泛函求解極小化問題時，為了保證問題的收斂或求解過程穩定，以及提高收斂速度，需對疊代步長和方向作出引導，稱最佳化。常規的最佳化方法一般需要計算一階梯度，如最速下降法、共軛梯度法、變尺度法等，有些也需計算二階梯度，如牛頓法。由於計一算梯度值仍需對描述正問題的數學模型線性化，所以這種最最佳化反演依賴初始值的選取，在梯度導引下到達一個局部極小。

最最佳化反演（optimization inversion）：對非線性反演問題中的誤差泛函求解極小化問題時，為了保證問題的收斂或求解過程穩定，以及提高收斂速度，需對疊代步長和方向作出引導，稱最佳化。常規的最佳化方法一般需要計算一階梯度，如最速下降法、共軛梯度法、變尺度法等，有些也需計算二階梯度，如牛頓法。由於計一算梯度值仍需對描述正問題的數學模型線性化，所以這種最最佳化反演依賴初始值的選取，在梯度導引下到達一個局部極小。非線性最佳化算法本身無法判斷此極小是否就是反問題的解。