非线性规划(NP)涉及到最小化或最大化一个受约束约束、线性约束或非线性约束的非线性目标函数，这些约束可以是不等式或等式。工程中的例子问题包括分析设计折衷，选择最优设计，计算最优轨迹，以及投资组合优化在计算金融和模型校准。

无约束非线性规划是找到一个向量\（X \）的数学问题，即是一个局部最小值到非线性标量函数\（F（X）\）。无约束装置不存在放置在\范围限制（X \）

\ [\ MIN_X F（X）\]

下面的算法通常用于无约束非线性规划：

• 拟牛顿：使用一个混合的平方和立方线搜索程序和用于更新Hessian矩阵的近似的Broyden-弗莱彻-戈德法布-Shanno无（BFGS）式
• 内尔德 - 米德：使用直接搜索算法，只使用函数值(不需要导数)并处理非光滑目标函数
• 信任区域：用于无约束的非线性优化问题，并且是特别有用的对于其中稀疏度或结构可被利用大规模问题

约束非线性规划是找到一个向量\（X \）的数学问题，即，非线性函数\（F（X）\）受试者最小化一个或多个约束。

求解约束非线性规划问题的算法包括：

• 内饰点：对于具有稀疏或结构的大规模非线性优化问题特别有用
• 序列二次规划（SQP）：在解决了所有的迭代一般的非线性问题和荣誉界限
• 信赖域反射：解决了结合约束的非线性优化问题，或线性等式仅

关于非线性规划的详细信息，请参阅优化工具箱™。

上面列出的算法找到当地最低时的问题是，非凸;所有除内尔德 - 米德要求平滑功能。全局优化工具箱具有衍生自由的优化算法，搜索全球最小和工作，光滑和非光滑的功能。