پیاده سازی روش adaptive gradient یا روشی مشابه، برای ایجاد adaptive step size در یک الگورتیم maximum power point tracker

من یک الگورتیم maximum power point tracking دارم که عملکرد آن با step size ثابت تست شده است. هدف این است که به صورت real time نقطه مازیکمم P نسبت به V  را پیدا کند (ماکزیمم منحنی ابی رنگ در شکل که منحنی P بر حسب V است). این کار را با dP/dV انجام میدهد. این الگورتیم به صورت ذاتی وقتی نقطه ماکزیمم را پیدا میکند، اطراف آن نوسان میکند (در شکل output، سیگنال آبی رنگ خروجی است که در حالت steady state نوسان دارد، سیگنال قرمز رنگ چیزی هست که باید track شود)، اگر step size بزرگ باشد، الگورتیم سریع تر به نقطه ماکزیمم میرسد ولی نوسان اطراف نقطعه ماکزیمم نیز بزرگ است، اگر step size کوچک باشد، الگوریتم کند شده ولی نوسان هم دامنه کوچک تری خواهد داشت. من میخواهم با روشی مشابه adaptive gradient یا هرروش دیگری، به صورت real time، طول گام الگوریتم را adaptive کنم تا وقتی به نقطه ماکزیمم رسید مینمم مقدار ممکن نوسان را داشته باشد. الگوریتم ساده ایست فقط یک ایده نیاز دارد.