主要内容

优化决策表

下表旨在帮助您选择求解器。它不涉及多目标优化或方程求解。有更多的细节在所有的解决方案优化工具箱函数处理的问题．

在此表中:

  • *表示在中找到相关解算器全局优化工具箱(全局优化工具箱)函数(从优化工具箱™求解器单独授权)。

  • fmincon适用于具有光滑约束的大多数光滑目标函数。它没有被列为最小二乘或线性或二次规划的首选求解器，因为列出的求解器通常更有效。

  • 该表给出了建议的函数，但它并不意味着过度限制您的选择。例如,fmincon可以有效地解决一些不光滑的问题。

  • 的全局优化工具箱遗传算法(全局优化工具箱)和surrogateopt(全局优化工具箱)函数可以解决混合整数非线性规划问题。

  • 统计和机器学习工具箱™bayesopt(统计学和机器学习工具箱)函数可以解决低维确定性或随机优化问题与连续，整数，或分类变量的组合。

目标与约束求解

约束类型 目标类型
线性 二次 最小二乘 光滑的非线性 非光滑
没有一个 n / a (f= const，或者min = − ∞ ） quadprog，信息 mldivide，lsqcurvefit，lsqnonlin，信息 fminsearch，fminunc，信息 fminsearch, *
绑定 linprog，信息 quadprog，信息 lsqcurvefit，lsqlin，lsqnonlin，lsqnonneg，信息 fminbnd，fmincon，fseminf，信息 fminbnd, *
线性 linprog，信息 quadprog，信息 lsqlin，信息 fmincon，fseminf，信息 ＊
锥 coneprog，信息 fmincon，信息 fmincon，信息 fmincon，信息 ＊
一般光滑 fmincon，信息 fmincon，信息 fmincon，信息 fmincon，fseminf，信息 ＊
离散的，有界的或线性的 intlinprog，信息 ＊ ＊ ＊ ＊

请注意

这个表没有列出多目标求解器和方程求解器。看到优化工具箱函数处理的问题以获取优化工具箱函数所解决的问题的完整列表。

请注意

一些求解器有几种算法。有关选择的帮助，请参阅选择算法．