1. Наиболее эффективно применение данного метода для симметричных функций. Функция. величины коэффициентов которой различаются незначительно (статистически) называются симметричными относительно коэффициентов. Удачным выбором интервалов варьирования, можно сделать любую функцию (линейную) симметричной для значимых факторов. Если функция резко асимметрична, то выгодно вновь поставить эксперимент, изменив интервалы варьирования, а не двигаться по начальному градиенту.

2. Направление grad y является единственным и определяется только из базовой точки. (центра эксперимента). В результате крутого восхождения возможны следующие ситуации:

1. Область оптимума достигнута => Необходимо поставить эксперимент, дающий полную квадратичную модель => находить точку оптимума, зная квадратичную модель, легко.

2. Область оптимума не достигнута в результате 1 цикла восхождения => делают 2,3… цикл, или после первого цикла, построить план второго порядка, взяв за исходную точку плана наилучшую точку факторного пространства, достигнутую в 1 цикле крутого восхождения. Движение по градиенту считается эффективным, если реализация мысленных опытов, рассчитанных на стадии крутого восхождения, приводит к улучшению параметра оптимизации, по сравнению с самым хорошим результатом матрицы.

3. Очень часто, на практике, крутое восхождение оказывается не эффективным, хотя область экстремума найдена и модель адекватна. Объяснение этому – характер поверхности отклика. Исходим из того, что поверхность отклика гладкая и унимодальная. Хотя может быть и иначе. Для этого выбираем другую исходную точку (подальше от начальной точки) и повторяем все заново.

Причинами неэффективного крутого восхождения могут быть:

1. Неудачные интервалы варьирования

2. Исходная модель строилась по полуреплике (на основе ДФЭ – смешанные оценки ) => необходимо достроить план до ПФЭ и повторить все заново.