Koordinatinis optimizavimas

Taikant Wiener'io modeli kai $m >1$, patogus koordinatinis otimizavimas

$$\begin{eqnarray}x^{1}=arg \min_{x_1} f(x^0)\\ x^{2}=arg \min_{x_2} f(x^{1})\\ ... ... .......................................................\nonumber \end{eqnarray}$$

Trukumas:
rezultatas priklauso nuo $x^0$.
Privalumas:
patogi vizualizacija,
nes projekcijos vaizdzios,
kadangi kintamieji keiciami po viena.
Metodas konverguoja, jei

$$\begin{eqnarray}f(x)=\sum_i f_i(x_i). \end{eqnarray}$$