一旦你获得下降方向$p$为您的目标函数$f(x)$，你需要选择一个“好的”步长。您不想采取太大的步骤，以致新点处的函数大于当前点。同时，你不希望你的步长太小，以至于需要很长时间才能收敛。

Armijo 的情况基本上表明“良好”的步长是这样的，即您在$f$在你的新点。条件在数学上表示为

这背后的直觉是新点的函数值$f(x_k+\alpha p_k)$应该在减少的“切线”下$x_k$在...方向$p_k$. 请参阅 Nocedal 和 Wright 的书“数值优化”。在第 3 章中，对 armijo 的充分减少条件进行了出色的图形描述。

五年后，这个问题仍然有效。

在这里（第 16 和 17 页）你可以找到一个很好的解释，包括一个算法。