自適應過程是壹個不斷逼近目標的過程。它所遵循的途徑以數學模型表示，稱為自適應算法。通常采用基於梯度的算法，其中最小均方誤差算法（即LMS算法）尤為常用。自適應算法可以用硬件(處理電路)或軟件（程序控制）兩種辦法實現。前者依據算法的數學模型設計電路，後者則將算法的數學模型編制成程序並用計算機實現。算法有很多種，它的選擇很重要，它決定處理系統的性能質量和可行性。
自適應均衡器的原理就是按照某種準則和算法對其系數進行調整最終使自適應均衡器的代價(目標)函數最小化，達到最佳均衡的目的。而各種調整系數的算法就稱為自適應算法，自適應算法是根據某個最優準則來設計的。最常用的自適應算法有迫零算法，最陡下降算法，LMS算法，RLS算法以及各種盲均衡算法等。在理論上證明了對於任何統計特性的噪聲幹擾,VLMS算法優於LMS算法。
自適應算法所采用的最優準則有最小均方誤差(LMS)準則，最小二乘(LS)準則、最大信噪比準則和統計檢測準則等，其中最小均方誤差(LMS)準則和最小二乘(LS)準則是目前最為流行的自適應算法準則。由此可見LMS算法和RLS算法由於采用的最優準則不同，因此這兩種算法在性能，復雜度等方面均有許多差別。