狗腿法（Dog Leg Method 或 Powell』s Dog Leg Method）是一種最佳化算法，它結合了最速下降法和牛頓法的特點，通過控制信賴域（Trust Region）的大小來顯式地調節兩種方法在算法中的比重。這種方法克服了列文伯格-馬夸爾特法在低效計算問題中不去棄置複雜計算的問題。狗腿法在極小值附近可以快速收斂到極小值，即表現出二階局部收斂的特性。與列文伯格-馬夸爾特法不同，狗腿法通過調節信賴域的參數，而不是控制阻尼參數，來實現最速下降法和高斯-牛頓法的平衡。
狗腿法（Dog Leg Method 或 Powell』s Dog Leg Method）是一種最佳化算法，它結合了最速下降法和牛頓法的特點，通過控制信賴域（Trust Region）的大小來顯式地調節兩種方法在算法中的比重。這種方法克服了列文伯格-馬夸爾特法在低效計算問題中不去棄置複雜計算的問題。狗腿法在極小值附近可以快速收斂到極小值，即表現出二階局部收斂的特性。與列文伯格-馬夸爾特法不同，狗腿法通過調節信賴域的參數，而不是控制阻尼參數，來實現最速下降法和高斯-牛頓法的平衡。