一、概念与原理
| 特性 | 最速下降法 (Steepest Descent) | 梯度下降法 (Gradient Descent) |
|---|---|---|
| 方向定义 | 在给定范数下，沿负梯度方向是“最快减少方向” | 通常默认欧氏范数，也沿负梯度方向 |
| 目标 | 每步都在当前点寻找使目标函数沿负梯度方向的最优步长 | 固定或简单规则选步长，保证总体下降 |
| 本质区别 | 强调“局部一维最优化”——每次都要精确或近似最优的线搜索 | 强调“易实现、低开销”，往往采用固定或预定的学习率 |
在二次凸函数上，最速下降法每一步都做一次精确（或足够精确）的 线搜索，确保当前方向上的最优下降；
梯度下降法则可视为最速下降法在“步长为常数”或“步长按预设衰减”两种策略下的特例，不一定每步都做线搜索。
二、算法步骤与伪代码
1. 最速下降法（含线搜索）
输入：初始点 x⁰，精度 ε
k ← 0
repeat
1. 计算梯度 gᵏ = ∇f(xᵏ)
2. 若 ‖gᵏ‖ ≤ ε，则停止，x* = xᵏ
3. 选取步长 αᵏ = argmin_{α>0} f(xᵏ − α gᵏ) // 一维线搜索
4. 更新 xᵏ⁺¹ = xᵏ − αᵏ gᵏ
5. k ← k + 1
until 收敛
线搜索可以用精确搜索（解析解，仅对二次函数可行）或常见的 Armijo、Wolfe 条件等 弱线搜索（简化一维最优化）。
2. 梯度下降法（固定步长／衰减步长）
输入：初始点 x⁰，学习率序列 {αᵏ}，精度 ε
k ← 0
repeat
1. 计算梯度 gᵏ = ∇f(xᵏ)
2. 若 ‖gᵏ‖ ≤ ε，则停止，x* = xᵏ
3. 选取步长 αᵏ （如常数 α, 或 αᵏ = α₀/(1 + βk)）
4. 更新 xᵏ⁺¹ = xᵏ − αᵏ gᵏ
5. k ← k + 1
until 收敛
步长 αᵏ 通常预先设定，不做每步一维最优化。
三、步长选择
| 方法 | 最速下降法 | 梯度下降法 |
|---|---|---|
| 精确线搜索 | 每步解  ，最优但昂贵 |
不常用 |
| 弱线搜索 | Armijo / Wolfe 等条件，保证充分下降 | 有时也可用于自适应学习率，但多为简化版本 |
| 固定步长 | 不推荐；可能失去“最速”特性 | 最常用；需满足 0<α<2/L（L是 Lipschitz 常数） |
| 衰减步长 | 可用，但本质已偏离“最速” | 常用，如 |
四、收敛性与复杂度
| 指标 | 最速下降法 | 梯度下降法 |
|---|---|---|
| 收敛速率（二次凸） | 线搜索后，理论上 |
固定步长下， |
| 每步开销 | 需做一维最优化（若解析线搜索则是 O(1)，否则 O(n)~O(nlogn)） | 仅梯度计算 O(n) |
| 迭代次数 | 最少（在同样精度下通常比固定步长少） | 更多；尤其当条件数大时，需小步长才稳定 |
| 整体时间 | 迭代少但每步贵；适中问题优 | 迭代多但每步便宜；高维大数据常用 |
对于二次凸二次型
，最速下降法在每一步都可获得最大可能的下降量；梯度下降法固定步长则无法针对矩阵谱分布做最优调整，收敛受条件数影响更大。
五、优缺点比较
| 方面 | 最速下降法 | 梯度下降法 |
|---|---|---|
| 实现难度 | 中等（需要线搜索子模块） | 简单（只需固定或衰减步长） |
| 参数依赖 | 主要依赖线搜索准则 | 严重依赖学习率（不当会震荡或收敛缓慢） |
| 适用场景 | 维度中等、追求快速收敛的光滑优化 | 高维、大规模、在线学习、深度学习 |
| 鲁棒性 | 对目标函数信息更多（线搜索），更稳定 | 对学习率敏感，需要经验或调参 |
| 扩展性 | 可推广到共轭梯度、BFGS 等更高级方法 | 可轻松并行、分布式，也可与动量、自适应结合 |
六、总结
最速下降法 是梯度下降的一种“最优方向+最优步长”实现，更接近理想的每步最大下降，但线搜索开销不容忽视；
梯度下降法 则牺牲每步最优，换取更简单、更高效的迭代，尤其在大规模或在线场景中更为实用。