"离散下降"通常指的是在离散优化或机器学习中的一种优化方法，用于最小化某个目标函数的数值。具体来说，离散下降是指在离散的参数空间中，通过迭代调整参数值以使目标函数值逐步减小的过程。
这个过程类似于连续优化中的梯度下降，但由于参数空间是离散的，所以不能像梯度下降那样直接使用梯度信息，而通常使用一些启发式的方法进行搜索和更新。
1、杭州三堡船闸。在三堡船闸附近，马路边就可看尽潮水变化腾挪之势。
2、杭州七堡。七堡是杭州各观潮点中看潮时间最长的地方，可以从最远处看见潮水直至潮水涌到眼前。
3、杭州珊瑚沙。珊瑚沙附近有六和塔、宋城、未来世界等景点，既可观潮又能看景。尤其登临六和塔俯瞰，更能体会“水色层层出、浪花漫漫开”的平和。
4、杭州赭山湾。赭山湾位于钱塘江南岸，是一个向南凹进的大河湾，在赭山湾看潮水最佳。
离散型最大似然估计值的计算步骤如下：
写出似然函数：假设总体X为离散型，似然函数为L(θ)=∏ni=1p(xi;θ)，其中θ为待估计的参数，p(xi;θ)为总体X取值为xi时的概率。
对似然函数两边取对数：有l n L(θ)=∏ni=1l np(xi;θ)。
对dlnL(θ)求导数并令之为0：有dlnL(θ)dθ=0，此方程为对数似然方程。解对数似然方程所得，即为未知参数的最大似然估计值。