我正在使用一个全局凸的目标函数，但向下的路径（如果你愿意的话）排列着石英晶体。在这种情况下，您着陆的潜在晶体表面的偏导数的更新向量（梯度解）有时会指向上方，因此算法会将您向后抛。因此，它是一个相当颠簸的目标函数。

我想到了一种类似于遗传算法的方法，我可以在每个梯度更新中添加一个 [-0.5,0.5] 范围内的小随机值，并且还考虑过使用正交向量来解决问题：哪个维度和因此哪个正交向量？

总体而言，线搜索假设一个单调递减函数，该函数在极限内连续可微。除了使用 GA 之外，当衍生品已知时，是否还有一种更新的方法来应对崎岖不平的情况？