问SLSQP优化算法是如何工作的？

EN

我正在使用openMDAO中的SLSQP算法，但我在理解它的实际工作原理时遇到了问题。我只是在看常见的抛物面例子，它有2个设计变量，目的是最小化f，没有任何约束。通过打印出每次迭代的x，y和f的值(迭代可能不是正确的词)，我可以看到有时会对每个设计变量(x，y)使用前向有限差分来计算一阶导数。然后使用这些导数来找到下一个x和y值，但是我看不到模式。

另外，当我读到SLSQP方法时，二阶导数也是必需的。然而，我看不到它是经过计算的。让我给出一个输出的例子：

iteration 1:
x = 0
y = 0
f = 22

iteration 2:
x = 0.01
y = 0
f = 21.9401

iteration 3:
x = 0
y = 0.01
f = 22.0801

根据最后两次迭代，我们可以计算df/dx = 5.99，df/dy = -8.01

下一次迭代恰好是：

x = 5.99
y = -8.01
f = -25.9597

然后从这一点再次进行两次有限差分计算，得到: df/dx = 2.02，df/dy = 2.02

然后下一次迭代有变量:x= 8.372726，y= -6.66007，我不知道如何获得这些值。

此外，有时甚至不计算该点的导数就迈出了一大步。可能是因为上一步太大，导致函数偏离最小值。

我希望有人能给我解释，或者给出一个有用的资源来准确地使用算法，或者给出任何可以用来更好地理解它的提示。非常感谢!