非线性规划无约束法指寻求 n元实函数f在整个n维向量空间Rn上的最优值点的方法
这类方法的意义在于：虽然实用规划问题大多是有约束的，但许多约束最优化方法可将有约束问题转化为若干无约束问题来求解
无约束最优化方法大多是逐次一维搜索的迭代算法
这类迭代算法可分为两类
一类需要用目标函数的导函数，称为解析法
另一类不涉及导数，只用到函数值，称为直接法
这些迭代算法的基本思想是：在一个近似点处选定一个有利搜索方向，沿这个方向进行一维寻查，得出新的近似点
然后对新点施行同样手续，如此反复迭代，直到满足预定的精度要求为止
根据搜索方向的取法不同，可以有各种算法
属于解析型的算法有：①梯度法：又称最速下降法
这是早期的解析法，收敛速度较慢
②牛顿法：收敛速度快，但不稳定，计算也较困难
③共轭梯度法：收敛较快，效果较好
④变尺度法：这是一类效率较高的方法
其中达维登-弗莱彻-鲍威尔变尺度法，简称 DFP法，是最常用的方法
属于直接型的算法有交替方向法（又称坐标轮换法）、模式搜索法、旋转方向法、鲍威尔共轭方向法和单纯形加速法等
以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。
