1. 什麼是datafeed 如何注冊datafeed
序號 工具箱 備注
數學、統計與優化
1 Symbolic Math Toolbox 符號數學工具箱
2 Partial Differential Euqation Toolbox 偏微分方程工具箱
3 Statistics Toolbox 統計學工具箱
4 Curve Fitting Toolbox 曲線擬合工具箱
5 Optimization Toolbox 優化工具箱
6 Global Optimization Toolbox 全局優化工具箱
7 Neural Network Toolbox 神經網路工具箱
8 Model-Based Calibration Toolbox 基於模型矯正工具箱
信號處理與通信
9 Signal Processing Toolbox 信號處理工具箱
10 DSP System Toolbox DSP系統工具箱
11 Communications System Toolbox 通信系統工具箱
12 Wavelet Toolbox 小波工具箱
13 Fixed-Point Toolbox 定點運算工具箱
14 RF Toolbox 射頻工具箱
15 Phased Array System Toolbox 相控陣系統工具箱
控制系統設計與分析
16 Control system Toolbox 控制系統工具箱
17 System Indentification Toolbox 系統辨識工具箱
18 Fuzzy Logic Toolbox 模糊邏輯工具箱
19 Robust Control Toolbox 魯棒控制工具箱
20 Model Predictive Control Toolbox 模型預測控制工具箱
21 Aerospace Toolbox 航空航天工具箱
圖像處理與計算機視覺
22 Image Processing Toolbox 圖像處理工具箱
23 Computer Vision System Toolbox 計算機視覺工具箱
24 Image Acquisition Toolbox 圖像採集工具箱
25 Mapping Toolbox 地圖工具箱
測試與測量
26 Data Acquisition Toolbox 數據採集工具箱
27 Instrument Control Toolbox 儀表控制工具箱
28 Image Acquisition Toolbox 圖像採集工具箱
29 OPC Toolbox OPC開發工具
30 Vehicle Network Toolbox 車載網路工具箱
計算金融
31 Financial Toolbox 金融工具箱
32 Econometrics Toolbox 計算經濟學工具箱
33 Datafeed Toolbox 數據輸入工具箱
34 Fixed-Income Toolbox 固定收益工具箱
35 Financial Derivatives Toolbox 衍生金融工具箱
計算生物
33 Bioinformatics Toolbox 生物信息工具箱
34 SimBiology 生物學工具箱
並行計算
35 Parallel Computing Toolbox 並行計算工具箱
36 MATLAB Distributed Computing Server MATLAB分布式計算伺服器
資料庫訪問與報告
37 Database Toolbox 資料庫工具箱
38 MATLAB Report Generator MATLAB報告生成
MATLAB代碼生成
39 MATLAB Coder MATLAB代碼生成
40 Filter Design HDL Coder 濾波器設計HDL代碼生成
MATLAB應用發布
41 MATLAB Compiler MATLAB編譯器 混合編程
42 MATLAB Builder NE for Microsoft.Net Framework
43 MATLAB Builder JA for Java Language
44 MATLAB Builder EX for Microsoft Excel
45 Spreadsheet Link EX for Microsoft Excel
2. maple Global Optimization Toolbox 全局優化工具箱
maple自己有一個局部優化的Optimization包，一般這個就行了
with(Optimization)
你要的那個得花錢的，網上下不來，中文參考地址（就算個廣告頁）：
http://www.cca-es.com/cn/maple/got/
除非你有特殊的用途，不然買個那東西幹啥？
3. MATLAB優化工具箱怎麼試用
首先看一個gui對遺傳演算法的應用，
求下列函數的極小值。
f(x)=x.^4-3*x.^3+x.^2-2;
利用遺傳演算法求解，選擇ga solver（求解器），輸入適應函數，輸入變數個數，start就可以了，充分反應了遺傳演算法的優越性。
接著是對無約束一維極值問題的求解。
首先是進退法搜索單谷函數的極值問題。原理就是在固定區間內按照一定步長無窮逼近最優解,不過無論怎樣逼近，最後得到的還是符合精度的區間，並不是理論最優解。Matlab中用minJT函數來實現。
相關的函數代碼可以在matlab相關文件夾中找到，這里就不多說，不過還是按這種方法求一下上面的極小值問題。
代碼如下：
syms x;
f=x^4-3*x^3+x^2-2;
[x1,x2]=minJT(f,0,0.001);
在2009b中結果是。2009b已經沒有這個函數了。
無語了一下，繼續看下一種方法，黃金分割法。
也是一種無窮逼近法，利用黃金分割長生前一個區間中的內點，捨去一個端點。逐漸逼近最小值，是一種單向收縮法。
不過2009b也沒有這個函數了。
然後是斐波那契法。
我們首先就會聯想到斐波那契數列，不過這里確實用到了斐波那契數列。
斐波那契法顯然是一種雙向收縮法具體的搜索原理就不多追究了。
然後便是牛頓迭代法，原來就學過的一種速度相當快的迭代方法，其中優化後的全局牛頓法，一般的牛頓法需要初始點接近最值點而全局牛頓法則不需要這個要求。關最後還有割線法，二次插值和三次插值法。以後會慢慢補充相關的函數m文件的。
4. matlab工具箱中的神經網路和遺傳演算法要怎麼調用
都是有兩種調用方法，一種圖形界面的，這個從開始菜單，然後工具，然後從裡面找神經網路
neural
network，遺傳演算法工具是
全局優化工具箱裡面的，global
optimization。
另外
一種通過命令行調用，這個需要你理解你都要做什麼，我用神經網路舉例。第一步需要先整理出輸入變數和輸出變數，第二步設計並初始化神經網路，第三部訓練，第四部獲得結果。
如果你想結合這兩者，就會更加復雜，詳細的你可以再問。我曾經做過用遺傳演算法優化神經網路的工具。
5. matlab優化工具箱GlobalSearch初始值有影響么
肯定會有影響的，如果解空間過於復雜，就算是globalsearch就未必一定會收斂到全局最優解。簡單問題至少也會影響到搜索迭代次數。
6. 怎麼用mtlab優化工具箱求目標函數為BP神經網路訓練結果的極值
需要聲明全局變數。分別在兩段程序的開頭加上
globalnet
不然無法在函數中調用net.
如果你要多於一個函數共用一個簡單的變數，簡單的處理方法就是把這個變數在所有函數中定義為global全局變數。在命令行做同樣的事情，如果你要工作空間訪問上述變數。這個全局變數的定義必須出現在變數被應用於一個函數之前。雖然不是要求，但全局變數也最好以大寫字母開頭，這樣可以同其他變數區別出來。舉個例子，做一個以falling.m命名的M－文件。
function h = falling(t)
global GRAVITY
h = 1/2*GRAVITY*t.^2;
然後交互地輸入語句
global GRAVITY
GRAVITY = 32;
y = falling((0:.1:5)');
這兩個變數在函數中表示同一個內容。之後你可以交互地修改GRVITY並獲得新的解法，而不用再編輯文檔。
注意：1 全局變數列表中各個變數名不能用逗號分隔。 如： global a b c
2 全局變數使用前必須再matlab工作空間中申明，如果再具體得函數中用則要在函數前面申明，否則在該函數中即使用到了該變數，也會被當成局部變數使用。
7. matlab中照片怎麼讓圖像工具箱調用
都是有兩種調用方法，一種圖形界面的，這個從開始菜單，然後工具，然後從裡面找神經網路
neural
network，遺傳演算法工內具是
全局優化工具箱裡面的，global
optimization。
另外
一種通過命令行調用，這個需要你理解你都要做什麼，我用神經網路舉例。第一步需要先整理出輸入變數和輸出變數，第二步設計並初始化神經網路，容第三部訓練，第四部獲得結果。
如果你想結合這兩者，就會更加復雜，詳細的你可以再問。我曾經做過用遺傳演算法優化神經網路的工具。
8. matlab優化函數fmincon函數的問題
1、是不是局部最優可以通過退出代碼exitflag輔助判斷。至於說全局最優，沒有哪版種優化方法能夠保證，即使用全權局優化工具箱中的遺傳演算法之類的，也只是增加得到全局最優解的機會。
2、那個警告沒影響，可以忽略，不想看到的話，也可以關閉或通過指定演算法來避免。
3、受字數限制，代碼只能貼圖片，但這樣我沒法測試，只能給你提這些建議。必要時，可以考慮通過網盤或博客上傳代碼。或者私信也可以。
9. Matlab中的優化工具包都能求解哪些類型的優化問題求解的函數是什麼
工具箱函數
常用函數：
一元函數極小值
X=fminbnd(『F』,x1,x2)
無約束極小值
X=fminunc(『F』,X0)
X=fminsearch(『F』,X0)
線性規劃
X=linprog(c,A,b)
0-1整數規劃
X=bintprog(F)
二次規劃
X=quadprog(H,c,A,b)
約束極小值（非線性規劃）
X=fmincon(『FG』,X0)
非線性最小二乘
X=lsqnonlin(F,X0)
目標達到問題
X=fgoalattain(『F』,x,goal,w)
極小極大問題
X=fminimax(『FG』,x0)
輸入參數中可以用options，用於所有函數，其中包括有一下參數。
（1） Display：結果顯示方式，off不顯示，iter顯示每次迭代的信息，final為最終結果，notify只有當求解不收斂的時候才顯示結果。
（2） MaxFunEvals：允許函數計算的最大次數，取值為正整數。
（3） MaxIter：允許迭代的最大次數，正整數。
（4） TolFun：函數值（計算結果）精度，正整數。
（5） TolX：自變數的精度，正整數。
而且可以用函數optimset創建和修改。
模型輸入時需要注意問題：
（1） 目標函數最小化；
（2） 約束非正；
（3） 避免使用全局變數。