随机并行梯度下降算法（stochastic parallel gradient descent algorithm），简称SPGD算法。作为一种无模型优化算法，比较适用于控制变量较多，受控系统比较复杂，无法建立准确数学模型的最优化控制过程。
就随机并行梯度下降(SPGD)最优化算法在光束净化系统中的应用展开研究。
This paper researches the application of the stochastic parallel gradient descent (SPGD) optimization algorithm on the beam cleanup system.
基于随机并行梯度下降（SPGD）算法，32单元变形镜，CCD成像器件等建立了无波前传感自适应光学系统实验平台。
Based on stochastic parallel gradient descent (SPGD) control algorithm, an adaptive optics test-bed without a wave-front sensor was built with a 32-element deformable mirror and a CCD.
随机并行梯度下降(SPGD)算法可以对系统性能指标直接优化来校正畸变波前。
The stochastic parallel gradient descent (SPGD) algorithm can optimize the system performance indexes directly to correct wavefront aberration.
随机并行梯度下降算法（stochastic parallel gradient descent algorithm），简称SPGD算法。作为一种无模型优化算法，比较适用于控制变量较多，受控系统比较复杂，无法建立准确数学模型的最优化控制过程。
应用推荐