主要特性
平滑约束和非约束问题的非线性和多目标优化
用于非线性最小二乘、约束线性最小二乘、数据拟合和非线性方程的求解器
二次规划 (QP) 和 线性规划 (LP)
混合整数线性规划 (MILP)
优化建模工具
优化进度的图形监视
梯度预估加速（使用 Parallel Computing Toolbox™）
2022-03-18 11:05:31
1.57MB
1
原始的 Hooke-Jeeves 模式搜索方法可以分为两步，第一步是轴搜索，下一步是模式搜索。
2022-03-07 10:08:23
2KB
1
采用粒子群算法处理约束优化问题时，由于约束条件使得解空间成为非凸集合，粒子容易陷入局部最优。混沌变量具有随机遍历的特性，利用这一特性构造了一种随进化代数而退化的变异因子，给出了基于群体适应度方差进行退化混沌变异的粒子群算法，使算法摆脱后期易于陷入局部最优点的束缚，同时又保持前期搜索速度快的特性。通过对2个函数的测试，验证了该方法的可行性。
2022-03-02 11:09:02
2.67MB
1
使用随机梯度下降法解决无约束优化问题。
2022-01-08 21:49:32
2KB
1
介绍了深度学习中会用到的条件约束优化问题，主要是KKT法，实例讲解了等式约束、不等式约束优化时，KKT条件的来源和意义。最后简单说明了一下约束最优化问题的对偶问题。
2021-12-21 13:26:05
371KB
1