一维搜索方法

          参考资料《最优化导论（第四版）》

         一维搜索法，也称为线性搜索法，是讨论目标函数为一元单值函数时的最小化（最大化问题加负号

可变成最小化）优化问题（即一维问题的迭代求解方法）。由于两个原因，一维搜索法受到普遍重视：

               1）一维搜索法是多变量问题求解方法的一个特例。

               2）一维搜索法是多变量问题求解算法的一部分。

       迭代算法是从初始搜索点出发，产生一个迭代序列。在第次迭代中，通过当前

迭代点和目标函数构建下一个迭代点。某些算法可能只需要用到迭代点出的目标函数值；另外一些算法可能

用到目标函数的导数，甚至会用到二阶导数。据此，可将常用的一维搜索法进行分类：

             1）黄金分割法（只使用目标函数值）

             2）斐波那契数列方法（只使用目标函数值）

             3）二分法（只使用目标函数的一阶导数）

             4）割线法（只使用目标函数的一阶导数）

             5）牛顿法（同时使用目标函数的一阶导数和二阶导数）