SPGD算法，全稱隨機並行梯度下降算法（Stochastic Parallel Gradient Descent Algorithm），是一種最佳化方法，主要用於尋找目標函式（如成本函式或損失函式）的最小值。其核心思想是利用隨機擾動來估計目標函式的梯度，並通過向梯度方向的反方向（即負梯度方向）進行參數更新，以逐步逼近目標函式的極值點。
SPGD算法的特點包括其參數簡單、收斂性和穩定性較好，並且容易實現。這種算法廣泛套用於各種領域，包括但不限於自適應光學、雷射相乾合成、雷射光束淨化等。在自適應光學中，SPGD算法用於控制變形鏡，以校正光波前像差，提高光學系統的性能。
此外，SPGD算法也可以通過結合其他最佳化技術（如Adam最佳化器）來進行改進，以提高其在處理複雜或動態環境中的性能。例如，AdamSPGD算法通過自適應調整增益係數，提高了算法在處理具有大量參數或非凸目標函式時的收斂速度和穩定性。