变尺度法（VariableMetricMethod）是一类用于求解无约束优化问题的迭代算法，属于拟牛顿法的一种。它通过动态调整近似Hessian矩阵或其逆矩阵来模拟牛顿法的收敛特性，同时避免了直接计算二阶导数的复杂性和计算成本。变尺度法在每次迭代中利用目标函数的梯度信息和历史迭代点信息来更新近似矩阵，从而逐步逼近最优解。常见的变尺度法包括DFP（Davidon-Fletcher-Powell）算法和BFGS（Broyden-Fletcher-Goldfarb-Shanno）算法，其中BFGS因其良好的数值稳定性和收敛性能而被广泛应用。变尺度法特别适用于中大规模优化问题，在机器学习、工程优化和经济学等领域有重要应用。该方法的主要优点包括超线性收敛速度和较低的计算复杂度，但也需要注意步长选择和初始矩阵设定的影响，以确保算法的稳定性和收敛性。