用可行方向算法求解问题的步骤，举出例子说明

可行方向算法是一种用于求解约束优化问题的算法。

假设我们有一个优化问题，要求最小化目标函数 $f(x)$，其中 $x$ 是变量向量。同时，这个问题还有一些限制条件，即 $g_i(x) \le 0$，$i=1,2,...,m$。可行方向算法的基本步骤如下：

1. 初始化：选取初始解 $x^0$，设当前迭代步数 $k=0$。

2. 计算当前解的可行方向：计算当前解 $x^k$ 的可行方向 $d^k$，使得 $g_i(x^k+d^k) \le 0$，$i=1,2,...,m$。

3. 沿着可行方向搜索：使用线性搜索或其他方法，找到使得目标函数 $f(x^k+\alpha d^k)$ 最小的步