主要内容
优化工具箱解决者
优化工具箱™解决方案分为四大类:
这组求解者试图在起点附近找到目标函数的局部最小值
x0。它们解决无约束最优化、线性规划、二次规划、锥规划和一般非线性规划的问题。这组求解者试图将一组函数(
fminimax)，或寻找函数集合低于某些指定值的位置(fgoalattain)。这类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接近起点
x0。方程求解可以被认为是一种优化形式，因为它等价于寻找的最小范数f(x)附近x0。这组求解者试图将平方和最小化。这类问题经常出现在模型与数据的拟合中。求解者解决的问题是寻找非负解，寻找有界或线性约束解，以及拟合参数化非线性模型数据。金宝搏官方网站
有关更多信息，请参见通过优化工具箱函数处理的问题。看到优化决策表寻求帮助，为最小化选择求解器。
最小化者在表格中提出优化问题
可能受到限制。f(x)被称为一个目标函数。一般来说,f(x)类型是标量函数双,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函数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为求解器编写目标函数。你可以提供一个梯度∇f(x)对于许多求解者，你可以提供一个黑森几个求解者。看到写目标函数。约束有一种特殊的形式，如写约束。
您也可以从以下列表中选择一个网站:
