优化工具箱™提供求解器，用于查找受约束的目标函数的最大值或最小值。这使您能够找到最佳设计，最小化金融应用程序的风险，优化决策和估计参数。
您可以使用基于问题的方法来定义优化变量及其边界，设置目标，然后求解。在这个问题上，求解函数识别问题是非线性的，应用非线性求解器，并使用自动微分来进行更快的梯度计算。
优化问题通常有一组变量或约束，就像这个生产计划问题一样。您可以定义优化变量和约束的数组，并使用数字或字符串进行索引，从而产生可读且紧凑的大型问题表示。
即使有些函数没有自然地表示为优化表达式，也可以使用基于问题的方法。这个问题的目标函数需要求解一个ODE。我们可以将其转换为优化表达式，并将其用于要优化的问题中。
你可以在线性问题中添加整数约束，因为变量必须取整数值。这包括变量表示“是”或“否”的决策，例如在这个调度示例中是否将进程分配给处理器。
除了非线性，线性和混合整数线性规划的求解器，优化工具箱还包括二次规划，二阶锥规划，多目标，线性和非线性最小二乘的专门求解器。
您可以快速解决具有数千个变量的大型稀疏问题。在这里，一个超过40000个变量的二次问题在大约30秒内就被解决了。
作为基于问题的方法的替代方案，您可以将“优化工具箱”与基于求解器的方法结合使用。在将目标和约束表示为MATLAB函数和矩阵之后，Optimize Live Task通过指示在何处选择求解器和插入预定义的MATLAB结构来帮助指导您完成这种方法。
优化工具箱与其他MATLAB结合使用®工具。可以使用并行计算工具箱™加速数值梯度计算。
您可以使用MATLAB Compiler™和MATLAB Compiler SDK™将应用程序编译成应用程序或库。
您可以使用MATLAB Coder™生成可移植和可读的C/ c++代码来解决优化问题。使用此代码将应用程序部署到企业和嵌入式系统。
有关详细信息，请返回“优化工具箱”页面或选择下面的链接。
