Fmincon函数，采用内部牛顿映射法，求解精度较高，可以采用大型优化，测试函数Perm貌似只有一个波谷，很容易求解最小值，但是缩小图像范围后，图像中间位置有一个小峰，最优值及近似最优值分布在峰的周围，优化的时候收敛方向首先向下寻优，然后是弧形走势，对应很多算法而言，需要不断调整，趋近最优解后，收敛路线比较狭窄，这个时候，如果算法参数设置的不合理，很容易在收敛路线左右震荡缓慢收敛，貌似简单并不简单的一个函数，Fmincon求解结果可以精确度10^-14，求解精度较高

Fminunc函数，采用梯度法，求解精度较高，求解速度快，测试函数Perm貌似只有一个波谷，很容易求解最小值，但是缩小图像范围后，图像中间位置有一个小峰，最优值及近似最优值分布在峰的周围，优化的时候收敛方向首先向下寻优，然后是弧形走势，对应很多算法而言，需要不断调整，趋近最优解后，收敛路线比较狭窄，这个时候，如果算法参数设置的不合理，很容易在收敛路线左右震荡缓慢收敛，貌似简单并不简单的一个函数，Fmincon求解结果可以精确度10^-12，求解精度较高

fminsaerch函数优化速度快，比fminunc稳定性更高，perm函数貌似只有一个波谷，很容易求解最小值，但是缩小图像范围后，从图1看图像中间位置有一个小峰，最优值及近似最优值分布在峰的周围，优化的时候收敛方向首先向下寻优，然后是弧形走势，对应很多算法而言，需要不断调整，趋近最优解后，收敛路线比较狭窄，这个时候，如果算法参数设置的不合理，很容易在收敛路线左右震荡缓慢收敛，貌似简单并不简单的一个函数,用fminsearch求解结果为4.7*10^-10

基于L0稀疏约束的图像滤波算法，具有各项异性，是图像分割、目标检测等任务的基础

以前的标题是“另一个粒子群工具箱” 介绍粒子群优化 (PSO) 是一种无导数的全局最优解算器。 它的灵感来自大群简单动物令人惊讶的有组织的行为，例如成群的鸟、鱼群或成群的蝗虫。 该算法中的个体生物或“粒子”是原始的，只知道四件简单的事情：1 & 2）它们自己在搜索空间中的当前位置和适应度值，3）它们以前的个人最佳位置，以及 4）整体“群”中所有粒子找到的最佳位置。 无需计算梯度或 Hessians。 每个粒子根据这些信息不断调整其在搜索空间中的速度和轨迹，在每次迭代中更接近全局最优。 正如在自然界中看到的那样，尽管其单个粒子很简单，但这个计算群显示出非凡的连贯性和协调性。 使用方便如果您已经在使用 MATLAB 全局优化工具箱中包含的遗传算法 (GA)，那么这个 PSO 工具箱将为您节省大量时间。 可以使用与 GA 相同的语法从 MATLAB 命令行调用它，并带有一些特定于 PSO

问题说明：给定任意初始条件，在不对称的速度、加速度，加加速度的限制下，如何规划一条最快回到给定位置和速度的曲线，也就是time optimal时间最短的曲线。 五次多项式曲线会出现overshoot问题，且形状不够灵活，限制了采样空间。 作者巧妙地将三阶time optimal问题划分为最多七个状态，设计七个状态的jerk和time来解决问题，速度快且满足需求，适用于自动驾驶中的横向规划采样轨迹。缺点时移植性差，公式较为固定。

综合或者STA工作人员必备，静态时序分析、综合、时序违例的清除等问题均可找到一定的方法

定义约束 约束类型：Tie绑定、Rigid body刚体、Display body显示体、Coupling耦合等

KKT典型寻优程序，对于目标函数与约束下的程序构造。

功能脑网络估计 脑网络分类 交叉验证 不同脑网络建模方法的实例 包括了其对应的留一法交叉验证，ttest特征选择等等