Ⅰ matlab優化工具箱裡面的fmincon用的是哪個優化演算法啊
幫助文件里，有介紹的：對於大規模優化問題，採用一種子空間信賴域演算法（基於內點反射牛頓演算法）；對於中等規模優化問題，採用的是SQP序列二次規劃演算法。
Ⅱ Maple與Matlab聯合應用的問題
一、關於在MATLAB中使用Maple，類似的問題http://..com/question/391916191171959045
二、直接在Maple中優化：
Maple中優化分兩種，1是默認主程序的優化演算法，它提供多種演算法或適用對象，如求解局部最小值、最大值，求解線性系統最優值、求解最小二乘問題、求解非線性系統最優值、求解二次規劃問題等。函數包為Optimization。
2是額外的Maple全部優化工具箱，它是Maple的官方附加產品，提供三種全局優化演算法。
Ⅲ matlab全局優化與局部優化
在實際的工作和生活過程中，優化問題無處不在，比如資源如何分配效益最高，擬合問題，最小最大值問題等等。優化問題一般分為局部最優和全局最優，局部最優，就是在函數值空間的一個有限區域內尋找最小值；而全局最優，是在函數值空間整個區域尋找最小值問題。
matlab中的提供的傳統優化工具箱（Optimization Tool），能實現局部最優，但要得全局最優，則要用全局最優化演算法（Global Optimization Tool），主要包括：
GlobalSearch 全局搜索和 MultiStart 多起點方法產生若干起始點，然後它們用局部求解器去找到起始點吸引盆處的最優點。
ga 遺傳演算法用一組起始點（稱為種群），通過迭代從種群中產生更好的點，只要初始種群覆蓋幾個盆，GA就能檢查幾個盆。
simulannealbnd 模擬退火完成一個隨機搜索，通常，模擬退火演算法接受一個點，只要這個點比前面那個好，它也偶而接受一個比較糟的點，目的是轉向不同的盆。
patternsearch 模式搜索演算法在接受一個點之前要看看其附近的一組點。假如附近的某些點屬於不同的盆，模式搜索演算法本質上時同時搜索若干個盆。
下面我就一些具體例子，來說明各種優化方法：
可以看出，初值x0不同，得到的結果截然不同，這說明這種求解器，能尋找局部最優，但不一定是全局最優，在起點為8時，取得全局最優。
我們換一種求解器：fminbound,這種求解器不需要給點初值。
因此全局最優的方法能夠獲取全局最優。
結果：最小二乘擬合結果誤差較大
可以看出全局優化結果較好，誤差較小。
這種演算法的運行時間：Elapsed time is 6.139324 seconds.
使用並行計算的方式解決
結果：14 out of 100 local solver runs converged with a positive local solver exit flag.
Elapsed time is 4.358762 seconds.Sending a stop signal to all the labs ... stopped.可以看出，運行時間減少，提高了效率。
這種方法只能尋找局部最優。
現在用全局優化演算法：