最优化工具箱™求解器被分为四类:
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
.他们解决无约束优化问题,线性规划,二次规划,锥规划,和一般非线性规划。
这组解算者试图最小化一组函数的最大值(fminimax
),或者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标量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一种优化形式,因为它等价于求最小范数f(x)附近x0
.
这组求解者试图最小化平方和。这类问题在将模型与数据拟合时经常出现。求解器解决了寻找非负解、有界或线性约束解以及将参数化非线性模型拟合到数据中的问题。金宝搏官方网站
有关更多信息,请参见优化工具箱函数处理的问题.看到优化决策表为帮助选择求解器的最小化。
最小化者用这种形式来表述优化问题
可能受到约束。f(x)被称为一个目标函数.一般来说,f(x)是标量型函数吗双
,x类型是向量还是标量双
.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
.若要使用最优化工具箱求解器实现最大化而不是最小化,请参阅最大化客观.
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。你可以提供一个渐变∇f(x)对于许多求解器,你可以提供一个Hessian为几个求解器。看到写目标函数.约束有一种特殊的形式,如写约束.