陪着你，仿佛面朝阳光，
不管走到哪里都是晴天。
在蝴蝶飞舞的百花丛中，
一朵一朵的鲜花因你而香。
一片云掉在我眼前，
我捏成你的形状，
一口一口的吃掉了忧愁。
我们手牵着手，
一步两步三步四步，
看着对方深情的眼眸，
心照不宣的许下了誓言。
——畅宝宝的傻逼哥哥
在一维优化的近似法中，我们先假定目标函数的近似表达式，通常用低阶多项式。如果我们假定二阶多项式为
p(x)=a0+a1x+a2x2
其中a0,a1,a2是常数，那么我们就得到二次插值法。
令
p(xi)=a0+a1xi+a2x2i=f(xi)=fi
其中i=1,2,3,[x1,x3]包含f(x)的最小值x∗。假设fi的值是已知的，那么通过同时求解三个等式可得a0,a1,a2，推到出的多项式p(x)就是f(x)的近似。基于这样的场景，假设p(x),f(x)的图像如图1所示，显然，p(x)的最小值x¯很靠近x∗，如果f(x)可以用二阶多项式表示，那么x¯≈x∗，如果f(x)就是二次函数，那么p(x)就是f(x)的准确表示且x¯=x∗。
p(x)对x的一阶导为
p′(x)=a1+2a2x
如果
p′(x)=0
且a2≠0，那么p(x)的最小值为
x¯=−a12a2
通过求解上面的等式组可得
a1a2=−(x22−x23)f1+(x23−x21)f2+(x21−x22)f3(x1−x2)(x1−x3)(x2−x3)=(x2−x3)f1+(x3−x1)f2+(x1−x2)f3(x1−x2)(x1−x3)(x2−x3)
所以
x¯=(x22−x23)f1+(x23−x21)f2+(x21−x22)f32[(x2−x3)f1+(x3−x1)f2+(x1−x2)f3]
图1
上面的过程是二次插值法的一次迭代。如果f(x)不能用二阶多项式表示，那么需要多执行几次这样的迭代。比较合适的策略是每次迭代的时候缩小不确定区间，可以舍弃x1或x3来实现该目的，然后用保留下来的两点以及x¯进行新的迭代。
几次迭代后，三个点将会在x∗的邻域内，因此p(x)的二阶多项式将会是f(x)的精确表示，且可以确定任意精度范围内的x∗。
