主要内容
优化工具箱解决者
优化工具箱™求解器分为四大类:
这组求解器试图在起点附近找到目标函数的局部最小值
x0。它们解决无约束优化、线性规划、二次规划、锥规划和一般非线性规划的问题。这一组的求解器要么试图最小化一组函数的最大值(
fminimax)，或查找函数集合低于某些指定值的位置(fgoalattain)。这组求解者试图找到一个标量值或向量值非线性方程的解f(x) = 0在起点附近
x0。方程求解可以被认为是最优化的一种形式，因为它等价于寻找的最小范数f(x)附近x0。这组的求解者试图使平方和最小化。在将模型与数据进行拟合时，这种类型的问题经常出现。解决方案解决问题的非负解，找到有界或线性约束解，并拟合参数非线性模型数据。万博 尤文图斯
有关更多信息，请参见优化工具箱函数处理的问题。看到优化决策表帮助选择求解器以最小化。
最小化者用这种形式来表述优化问题
可能受到限制。f(x)被称为一个目标函数。一般来说,f(x)是标量函数的类型吗双,x是vector类型还是标量类型双。然而，多目标优化、方程求解和一些平方和最小化器可以有向量或矩阵目标函数F(x)类型的双。若要使用优化工具箱求解器实现最大化而不是最小化，请参见最大化客观。
以函数文件或匿名函数句柄的形式编写求解器的目标函数。你可以提供一个梯度∇f(x)对于许多求解器，您可以为多个求解器提供一个Hessian。看到写目标函数。约束有一种特殊的形式，如写约束。
你也可以从以下列表中选择一个网站:
