选择算法
Fmincon算法
粉刺有五个算法选项:
“内点”(默认)“trust-region-reflective”“sqp”'SQP-Legacy'“激活集”
使用优化选择设置算法选项。
| 建议书 |
|---|
|
看到与内部点算法的潜在不准确。 |
推理建议背后
“内点”处理大的、稀疏的问题，以及小的、密集的问题。该算法在所有迭代都满足边界，并能从南或正结果。这是一个大规模的算法;看到大规模算法与中等规模算法。该算法可以使用特殊技术进行大规模问题。有关详细信息，请参阅内点算法在粉刺选项。“sqp”满足所有迭代的范围。算法可以从中恢复南或正结果。它不是一个大规模的算法;看到大规模算法与中等规模算法。'SQP-Legacy'类似于“sqp”，但通常比较慢，并使用更多的内存。“激活集”可以走大步，这就增加了速度。该算法对一些具有非光滑约束的问题是有效的。它不是一个大规模的算法;看到大规模算法与中等规模算法。“trust-region-reflective”要求您提供一个梯度，并且只允许边界或线性等式约束，但不同时允许两者。在这些限制下，算法可以有效地处理大的稀疏问题和小的稠密问题。这是一个大规模的算法;看到大规模算法与中等规模算法。该算法可以使用特殊的技术来节省内存使用，例如使用黑森乘法函数。有关详细信息，请参阅信任区域反光算法在粉刺选项。
有关算法的描述，请参见约束非线性优化算法。
fsolve算法
fsolve有三种算法:
“trust-region-dogleg”(默认)“信赖域”'levenberg-marquardt'
使用优化选择设置算法选项。
| 建议书 |
|---|
推理建议背后
“trust-region-dogleg”是唯一专为求解非线性方程而设计的算法。另一些则试图使函数平方和最小。该
“信赖域”算法对稀疏问题有效。它可以使用特殊的技术，例如雅孚倍数函数以进行大规模问题。
有关算法的描述，请参见方程求解算法。
fminunc算法
Fminunc.有两个算法：
“拟牛顿”(默认)“信赖域”
使用优化选择设置算法选项。
| 建议书 |
|---|
|
有关算法的描述，请参见无约束非线性优化算法。
最小二乘算法
Lsqlin.
Lsqlin.有三种算法:
“内点”，默认值“trust-region-reflective”“激活集”
使用优化选择设置算法选项。
| 建议书 |
|---|
有关最小化失败的帮助，请参阅当解算器失败时或当求解器可能成功时。 看到与内部点算法的潜在不准确。 |
有关算法的描述，请参见最小二乘(模型拟合)算法。
lsqcurvefit和lsqnonlin
lsqcurvefit.和lsqnonlin.有两个算法：
“trust-region-reflective”(默认)'levenberg-marquardt'
使用优化选择设置算法选项。
| 建议书 |
|---|
|
有关算法的描述，请参见最小二乘(模型拟合)算法。
线性规划算法
linprog有三种算法:
对偶单纯形的，默认值'内部点遗留'“内点”
使用优化选择设置算法选项。
| 建议书 |
|---|
使用 有关最小化失败的帮助，请参阅当解算器失败时或当求解器可能成功时。 看到与内部点算法的潜在不准确。 |
推理建议背后
通常,
对偶单纯形的和“内点”算法是快速的，并且使用最少的内存。该
'内部点遗留'算法类似于“内点”，但是'内部点遗留'可能会更慢，不那么健壮，或使用更多的内存。
有关算法的描述，请参见线性规划算法。
二次规划算法
quadprog有三种算法:
“interior-point-convex”(默认)“trust-region-reflective”“激活集”
使用优化选择设置算法选项。
| 建议书 |
|---|
有关最小化失败的帮助，请参阅当解算器失败时或当求解器可能成功时。 看到与内部点算法的潜在不准确。 |
有关算法的描述，请参见二次规划算法。
大规模算法与中等规模算法
优化算法是大规模当它使用不需要存储的线性代数时，也不是完整的矩阵。这可以通过存储稀疏矩阵，并通过使用稀疏线性代数进行稀疏线性代数，尽可能通过稀疏线性代数来完成。此外，内部算法保留稀疏性，例如稀疏尖孔的分解，或者不产生矩阵，例如共轭梯度方法。
相比之下,中等规模方法内部创建完整矩阵并使用密集的线性代数。如果问题是足够大的，则完整的矩阵占用大量的存储器，并且密集的线性代数可能需要很长时间才能执行。
不要让“大规模”这个名字误导你;你可以在一个小问题上使用大规模算法。此外，您不需要指定任何稀疏矩阵来使用大规模算法。选择中等规模的算法来访问额外的功能，比如额外的约束类型，或者可能获得更好的性能。
与内部点算法的潜在不准确
内部点算法粉刺那quadprog那Lsqlin.,linprog具有许多良好的特点，如低内存使用量和快速解决大问题的能力。但是，它们的解决方案可以比其他万博 尤文图斯算法的解决方案略微不精确。这种潜在不准确的原因是（内部计算的）屏障函数保持远离不等式约束边界。
对于大多数实用的目的，这种不准确性通常很小。
为了减少不准确，试着:
重新运行较小的求解器
StepTolerance.那最优法，可能是约束特许公差（但保持公差明智。）看公差和停止标准)。运行一个不同的算法，从内部点的解决方案开始。这可能会失败，因为一些算法可能会使用过多的内存或时间，等等
linprog还有一些quadprog算法不接受初始点。
例如，试着最小化函数X当下面界限为0时。使用粉刺默认内点算法:
选项= Optimoptions（@Fmincon，“算法”那“内点”那“显示”那“关闭”);x = fmincon (@ x (x), 1 ,[],[],[],[], 0[][]选项)
x = 2.0000E-08
使用粉刺sqp算法:
选项。算法=“sqp”;x2 = fmincon (@ x (x), 1 ,[],[],[],[], 0[][]选项)
x2 = 0
同样地，用linproginterior-point-legacy算法:
opts = Optimoptions（@Linprog，“显示”那“关闭”那“算法”那'内部点遗留');x = linprog (1 ,[],[],[],[], 0, 1,选择[])
x = 2.0833e-13
使用linprog对偶单纯形算法:
opts.algorithm =对偶单纯形的;x2 = linprog (1 ,[],[],[],[], 0, 1,选择[])
x2 = 0
在这些情况下，内部点算法不太准确，但答案非常接近正确的答案。
您也可以从以下列表中选择一个网站:
