需要改进牛顿法的一维搜索

发现一个问题，一旦牛顿法的一维搜索失败，函数不降反升。需要修改代码，从避免被吸引到Hessian非正定的局部极值点。

同时发现昨天做的模型模拟的时候有限差商导数步长设太小了，提高导数步长之后（设成0.05），牛顿法收敛速度明显加快（往往第一次迭代把梯度长度从几十万降到1k左右，第二次迭代进一步降到几十，接下来由于浮点误差（参数增量已经到达10^-6左右），在最优点附近震荡）

另外牛顿法求hessian太慢，可考虑bfgs法或强行固定雅可比矩阵的方法

接下来要开始cocos的学习了……

来自为知笔记(Wiz)