优化理论概述
优化技术被用来寻找一组设计参数，X= {X1，X2，...，Xñ}，以某种方式，可以被定义为最优的。在简单的情况下，这可能是最小化或一些系统特性的最大化是依赖于X。在更先进的配方的目标函数，F（X），在等式约束的形式来最小化或最大化，可能受到限制，G一世（X）= 0（一世= 1，...，米Ë）;不等式约束，G一世（X）≤0（一世=米Ë+ 1，...，米）;和/或参数界限，X升，Xü。
一个普遍的问题（GP）的描述表示为
| （1） |
受
哪里X是长度的矢量ñ设计参数，F（X）是目标函数，它返回一个标量值，和矢量功能G（X）返回长度的矢量米含的在评估的等式和不等式约束的值X。
一个高效，准确的解决了这一问题不仅取决于问题的约束和设计变量的数量方面的规模，而且对目标函数和约束条件的特点。当目标函数和约束条件都是设计变量的线性函数，该问题被称为一个线性规划（LP）问题。二次规划（QP）涉及被线性约束二次目标函数的最小化或最大化。对于LP和QP问题都，可靠的解决方案的程序都是现成的。更难以解决的是非线性规划（NP）的问题，其中所述目标函数和约束可以是设计变量的非线性函数。的NP问题的解决方案通常需要一个迭代过程在每个主要迭代建立搜索的方向。这通常是通过LP，一个QP，或不受约束的子问题的解决方案来实现的。
所有优化发生在实数。然而，无约束最小二乘问题和等式解决可配制，并使用复杂的解析函数解决。看到在优化工具箱求解器复数。
您还可以选择从下面的列表中的网站：
