牛頓-拉夫遜方法
牛頓法，又稱爲牛頓-拉夫遜方法（Newton-Raphson method），是一種在實數域和複數域上近似求解方程的方法。
牛頓法基於泰勒級數展開，通過不斷逼近函數的根或極小值點來尋找函數的最優解[優化領域有廣泛的應用。牛頓法的基本思想是利用迭代點處的一階導數（梯度）和二階導數（Hessen矩陣）對目標函數進行二次函數近似，然後將二次模型的極小點作爲新的迭代點，不斷重複這一過程，直至求得滿足精度的近似極小值。
牛頓法的速度很快，能高度逼近最優值，但它要求初始點足夠“靠近”極小點，否則可能導致算法不收斂。爲了解決這個問題，有全局牛頓法，它基於Armijo的搜索，滿足Armijo準則。