阻尼最小二乘法，也稱為Levenberg-Marquardt算法（LMA），是一種數值方法，用於解決非線性最小二乘問題，即在參數空間內最小化一個非線性函式。這種方法在曲線擬合和非線性規劃問題中尤為常見。LMA在Gauss-Newton算法（GNA）和梯度下降方法之間進行插值。與GNA相比，LMA更穩健，意味著即使初始猜測與最終最小值相距甚遠，LMA在很多情況下也能找到解決方案。對於行為良好的函式和合理的起始參數，LMA通常比GNA慢一些。LMA也可以被視為使用信任區域方法的一種Gauss-Newton算法。然而，LMA只能找到局部最小值，而不是全局最小值，這是所有線性反演方法的共同局限性。