制約のある最適化問題のお話が続きましたが，今回はもっと簡単な，制約のない最適化問題のお話です
今回は最急降下法（Steepest descent method）を使ってみます
これは勾配法（Gradient method）の仲間で，最もシンプルなアルゴリズムとなります（´・ω・｀)
2変数の簡単な最小化問題を考えます
steepest descent.wxm
x, y : 設計変数
obj : 評価関数（%o2）
J : 勾配ベクトル[∂obj/∂x, ∂obj/∂y]
この評価関数は2次式なので，いわゆる非線形計画問題（nonlinear programming, NLP）になります
%o3にて，objのx, yに関する勾配ベクトルをJに代入します
n : step数
設計変数(x, y)の初期値は[0, 0]とします
αは設計変数の更新に用いる適当なパラメータで，0.3とします（最急降下法ではα一定です）
※次のブロックは最適解に収束するまでひたすら繰り返します･ﾟ･(ﾉД`)
繰り返すこと46回（%o189）
勾配Jとパラメータαを用いて更新した設計変数を%o190式に示します
収束時の評価関数の値を%o192式に示します
設計変数の収束の様子を横軸にx, 縦軸にyとして%t193にプロットします
