一种随机逼近方法，通过对迭代步长施加条件来运作，并在温和条件下保证其收敛性。然而，该方法需要知道所考虑函数的解析梯度。
Kiefer 和 Wolfowitz (1952) 开发了 Robbins-Monro 方法的有限差分版本，该版本保持了良好的收敛性质，同时避免了对梯度解析形式的了解需求。
Robbins-Monro 随机逼近
另请参阅
随机逼近, 随机优化使用 Wolfram|Alpha 探索
参考文献
Kiefer, J. 和 Wolfowitz, J. "回归函数最大值的随机估计。" Ann. Math. Stat. 23, 462-466, 1952.Robbins, H. 和 Munro, S. "一种随机逼近方法。" Ann. Math. Stat. 22, 400-407, 1951.在 Wolfram|Alpha 中被引用
Robbins-Monro 随机逼近请引用为
Weisstein, Eric W. "Robbins-Monro 随机逼近。" 来自 MathWorld--Wolfram Web 资源。 https://mathworld.net.cn/Robbins-MonroStochasticApproximation.html