放縮法（shrinking method）是一種在優化算法中用於收斂的技術。它通常用於處理非約束優化問題，特別是在蒐索空間較大的情況下。

該方法的基本思想是：在每個迭代步驟中，通過縮小當前最優解附近的蒐索空間來減少蒐索空間。這樣做可以使算法更快地找到全局最優解。

具體來說，放縮法通常分為兩個步驟：

1. 找到當前蒐索空間的最優解；

2. 縮小蒐索空間，以便將搜索範圍限制在當前最優解附近。

放縮法的優點是易於實現和有效。然而，它也有一些缺點，例如可能會卡在局部最優解中，並且需要調整參數才能使其達到最佳效果。

放縮法是指要讓不等式A<B成立,有時可以將它的一邊放大或縮小,尋找一個中間量,如將A放大成C,即A<C,後證C<B,這種方法便是放縮法,是不等式問題裡的一種方法。 放縮法是依據不等式的傳遞性:如果A>C,C>B,那麼A>B;等量加不等量為不等量;同分子(母)異分母(子)的兩個分式大小的比較。 放縮法是貫穿證明不等式始終的指導變形方向的一種思考方法