Алгоритм координатного спуска используется в многомерных задачах экспериментальной оптимизации и заключается в сведении многомерной задачи к последовательности одномерных, решаемых методами минимизации функции одной переменной, например золотого сечения.
Вначале в заданной области определения функции всем координатам, кроме одной, присваиваются фиксированные значения и целевая функция делается зависимой только от одной переменной. Далее ищется условный минимум функции, вариацией одной свободной переменной. Полученная координата условного минимума фиксируется в найденном значении и ищется условный минимум вариацией следующей переменной. После использования всех координат процесс снова продолжается с первоначальной переменной и т. д.
Если в области минимума функция цели достаточно гладкая, то процесс спуска по координатам будет линейно сходиться к минимуму. В сходящемся процессе расстояния между соседними точками однокоординатных минимумов будут стремиться к 0, что можно использовать для формулировки условия завершения итерационного процесса. Недостатком метода является чрезмерно большой объем экспериментов и опасность группирования опытов вокруг ложного экстремума при сложном рельефе исследуемой поверхности.
