SPSA（同步扰动随机逼近算法），英文Simultaneous Perturbation Stochastic Approximation首字母的缩写，是Spall于1987年根据Kiefer-Wolforwitz随机逼近算法改进而成，通过估计目标函数的梯度信息来逐渐逼近最优解。

在每次梯度逼近中只利用了两个目标函数估计值，与优化问题的维数无关，从而大大减少了用于估计梯度信息的目标函数的测量次数，因此SPSA算法常用于解决高维问题以及大规模随机系统的优化。