数学建模集训知识大纲

杨利霞

数学建模集训知识大纲
6 R2 ?! h% A0 r+ D6 L数学建模集训知识大纲
& e. a9 ~4 |8 z/ P% S3 D
文章目录
6 A6 j8 d. U2 i: J% X- O7 a3 i
数学建模集训知识大纲
评价算法
" q! ?! A) B! `: d) V1 x) s3 M  o简单加权法
- j- `) k! o3 L, t' G逼近于理想解的排序法(TOPSIS算法)
层次分析法
2 _# d8 A# `6 d4 y主成分分析法
1 x# a& ^8 k, u2 F6 }模糊综合评价法
3 d! [5 K3 X: K# g7 A/ q4 u聚类分析法
+ m, i( q4 N* n& x# N秩和比法
* f- M& O/ K( P: K+ I人工神经网络
3 f4 K/ _9 _( `: k" H5 e% y9 s2 |熵权法
9 h$ G  h- x" `" d灰色关联度分析
) I, M2 ]2 j! k# ^! d* D4 @预测算法
插值拟合
9 T  h. a2 p! _( u" `! \% O2 R回归模型预测
" G1 [4 D  o) U& u1 Q9 G% [灰色预测GM
时间序列
神经网络
统计分析
# w4 X0 N$ [1 X% J. R方差分析
/ }+ a  g* H, C回归分析
7 @7 q, X3 a4 q# n多元统计分析
分类问题
假设检验（非参数）
聚类
6 ~9 O+ @, {# ~, @' L/ \: t$ x8 L2 e  B最优化方法
, u% m" T+ j# q* i  ~' T' z常用算法
无约束优化
$ j5 W5 ^, J+ n' [2 P1 ?有约束优化
" j7 o: X, Q" w7 Q' g4 y" d! J二次规划
  f; s2 ]7 }  S5 q  R一般有约束非线性规划
) k9 d% w0 A" E  p3 x! k( n: @计算机算法
/ q5 [& \: ^# y% n2 P动态规划
$ x, z6 T& J' D. \9 e2 {7 O/ R回溯搜索
分治
8 ], `  o: A& J6 [0 g6 B6 Q; M贪心
分枝定界
图论与网络
欧拉图
9 V: ]8 T% g) i; }. n二分图
' [  H6 Z/ P9 {- f2 P+ Y/ P( K网络流
最短路径
4 T5 r+ }- H! Z; v7 S$ ?# V4 E  yTSP问题
8 G. @' h4 q9 |/ J6 `P和NP问题
背包问题
最小生成树
9 L( l1 U' K8 U/ R8 h8 ]+ N图的基本概念及其矩阵表示
* M5 f$ s7 x3 x8 e常见的网络优化问题
) w6 S4 r5 G8 E$ K$ i: z图像处理
5 A8 A- d# B- x9 [基本概念
数据类
图像类型
. x! q( A: u5 k, L) g, x. c数据类之间转换
图像类型之间转换
; b, o* Z9 D/ P4 B空间滤波器
频域变换
6 e% l& D5 N1 a( K4 j! s4 k- q数字图像的水印防伪
3 }. n) i& P0 L% c) ~- M0 o) }规划问题
7 t1 Z2 n( ^  u& E$ F连续优化
离散优化
) ~6 O! g' q( H1 s模拟和仿真
1 L- s& `1 g4 L$ M( R3 r; U) L" u: w模拟
仿真
7 \7 J! B! t' G# d/ _$ D- C3 I数值计算
常微分方程数值解
工具箱的使用
统计工具箱
* m8 ~3 w. g% f7 {* r拟合工具箱
神经网络工具箱
% S3 e, N* k6 A& u  n小波工具箱
并行计算工具箱
* H6 i7 Q, g  A0 O3 O$ g优化工具箱
, T1 y2 U3 l# m/ M* r* u4 ]全局优化工具箱
评价算法

简单加权法
) l5 e/ f/ B  Y9 a: W+ v& Z. d2 [
( l( ~# F4 P/ m* q% |  L& f线性加权
/ V% x  q4 B) j/ W7 A: u2 D7 k: @非线性加权
0 M5 x6 h- Y- X& z, U, Q逼近于理想解的排序法(TOPSIS算法)
* {( q6 O* b  V/ Y5 I- t
& t" |/ B4 z8 s; t/ p" |2 Z: r层次分析法
5 \# g6 N, j( F( w6 c/ e
& L6 V# y9 g- I主成分分析法
# @6 g1 F; _) [7 o3 ?; l
模糊综合评价法
8 w7 ]4 Q2 m( t3 b8 p9 v
. K7 q. o* V% M, h' N聚类分析法
$ M8 `* f/ h5 i4 n& C  P
秩和比法

人工神经网络

  b! `' u5 V2 R6 _) @$ D4 Q) B熵权法

. i8 ]2 j2 c7 o. c* d8 S. e灰色关联度分析

5 G$ p/ g7 ^1 }9 }预测算法

) P! B4 l  X3 s1 i0 M; i插值拟合

7 u( Z( ^- r( k2 C8 M, u8 a- R小样本内部预测
8 w' W6 a( W- X  p' U& T4 j6 b回归模型预测
" y( U3 g0 S* o; i$ u6 A
1 a- A1 }- X/ }8 n5 N大样本内部预测
灰色预测GM
. {$ d+ C% ^! j
# l$ H$ Z) _. l, N6 ~# U% R8 D小样本未来预测
4 \" d2 K* H1 \时间序列
4 O7 F" k( b( X; d
0 S: }5 a9 z/ ~* h1 s: X& L0 [大样本的随机因素或周期特征的未来预测
; W& |% p0 o# h' F0 F8 Q神经网络

针对大样本的内部机理复杂的数据的未来预测
1 Q/ O( ?) A+ s# t& \/ W! r+ `% v统计分析

方差分析
+ T3 i( |2 q2 Y. r* x, x
分析因变量的总误差中，除开随机误差以外，是否有类别变量（自变量）造成的处理误差，有多少误差是自变量造成的
) W- w/ `: D, l5 q9 T4 a$ R, C分类
单自变量
8 N. r- Z0 M( o1 S; \2 n单因素方差分析
两个自变量
% ]- Z: t# B' x7 t& V无重复双因素分析：只考虑主效应，不考虑交互效应
可重复双因素分析：考虑主效应，也考虑交互效应
回归分析

多元统计分析

& H/ H$ x. e* C( I" d, w分类
' J$ T* H" ], ^# H& J$ V聚类分析
8 k9 W4 L/ U. q0 _判别分析
" v, X: p& I. j: ?综合评价
6 |+ X0 S# _5 m1 A/ b4 v8 ]: }主成分分析
6 h; i% G2 _& _) H1 c: E& N( G从原来的坐标系转换到新的坐标系，第一个新坐标轴选择的是原始数据中方差最大的方向，第二个坐标轴选择的是和第一个新坐标轴正交且具有最大方差的方向。该过程一直重复，重复次数为原始数据中特征的数目。
因子分析
2 {0 E7 m' t& Z  U6 y隐变量和某些噪声的组合
典型相关分析
偏最小二乘回归
) w) Z" c' @2 I* x/ W5 o分类问题

神经网络
# S& D4 r9 {. [逻辑回归
9 u" s% ]; O- X  p判别分析
0 B4 j* Q) [. C; e. }最邻近方法
4 w! k) e& j# B" L, U朴素贝叶斯
支持向量机
; m' ]0 J& f0 `# {决策树
: z( B  b; ]  ~5 g, ^4 H1 }* R; I5 \" l5 ~集成学习
ROC曲线
% m0 s- O( C1 B4 l假设检验（非参数）
2 O2 Z9 v* O& }) D$ S: i
1 @- s8 B1 ?0 F) v分布拟合检验
秩和检验
8 m7 ?# a' F: u0 ~如果两个样本来自两个独立的但非正态或形态不清的两总体，要检验两样本之间的差异是否显著，不应运用参数检验中的t检验，而需要采用之和检验
" o( S$ @' h2 z3 k# g0 j配对检验
9 R" l  X  p9 K0 }, q2 @4 W" P. ^K-S 检验
+ X2 S7 J0 }( f' W5 cK-S检验不仅能够检验单个总体是否服从某一理论分布，还能够检验两总体分布是否存在显著差异。其原假设是：两组独立样本来自的两总体的分布无显著差异。
Q-Q图
用变量数据分布的分位数与所指定分布的分位数之间的关系曲线来进行检验的
P-P图
& x! e3 |  {/ l3 W& m, A根据变量的累积比例与指定分布的累积比例之间的关系所绘制的图形。通过P-P图可以检验数据是否符合指定的分布。当数据符合指定分布时，P-P图中各点近似呈一条直线。
聚类
1 V6 Y# k% s" \0 X
层次聚类
划分聚类
K-means
网络聚类
聚类评价
共表型相关系数
: G" N/ m7 \* \: f8 r相似性矩阵
8 D7 Y7 x5 j0 U) [9 G1 j" K& W共表矩阵
# T- O" }3 N* G& n外部指标
+ E3 o( l  C' L6 H' B. b% A# p) F相仪表
调整兰德系数ARI
; r( `3 ?5 X" r互信息MI
自助
最优化方法

8 ^4 T( X5 c: e5 F# J: Z常用算法

' V9 y9 |7 ^9 B模拟退火
神经网络
% H* X( Y6 \3 j3 U4 {& g遗传算法
无约束优化

基本算法
+ Y  _7 C% @9 H, R" x0 C2 a9 t  V' n共轭梯度法
在最优化方法中占有重要地位，最速下降法的优点是工作量小，缺点是收敛慢，适用于寻优过程中前期迭代或作为间插步骤，当接近极值点时，宜选用别种收敛快的算法
  l7 h, Z# l5 K9 w- o: c/ K牛顿法
6 I9 z7 q$ w4 r; d  A, V$ {如果f是对称正定矩阵A的二次函数，用牛顿法经过一次迭代就可到达最优点，如不是二次函数，则牛顿法不能一部达到极值点
牛顿法收敛速度虽然快，但要求Hessian矩阵可逆，要计算二阶导数和逆矩阵，就加大了计算机计算量和存储量。
7 e0 L  B5 O% c0 {$ T拟牛顿法
1 N9 P8 k( o7 q$ |/ l修改了牛顿方向
& J, E1 e) l' a两种算法
' I, `# e6 C2 G% XDFP
8 {+ T" t0 E. uBFGS
6 S! }! L; g) {' ?0 G5 m有约束优化

  v- a2 `3 f' p罚函数法
' ~8 s1 n- }9 W& s* \( H通过构造罚函数把约束问题转化为一系列无约束最优化问题，进而用无约束最优化方法求解，这类方法称为序列无约束最小化方法，简称SUMT法（分为SUMT外点法 其二为SUMT内点法）
8 u% n6 n6 v& r, [$ b) V! N. f近似规划法
( P! c9 E$ x/ v" M: k( b+ E二次规划

  e/ P$ x# K4 dquadprog
一般有约束非线性规划
+ F4 Z8 X$ ^; W/ d- y6 D6 G
fmincon
计算机算法

动态规划
7 E* v& L1 ?; e" t9 a  A4 `
1 a' ?/ C7 j1 g6 M8 V: |) N2 N回溯搜索
/ Z5 H6 n5 D& I& O& i
0 L$ U9 W: W( q( x9 T0 U) F分治
3 L$ l) j% i. L9 y
3 g- t1 F& |. Z3 z# j) p' @贪心
7 P% ]4 B% e% D" M+ z, Z5 T2 D
1 H' i  m0 a4 G8 t9 Z' e; G8 b" e分枝定界

4 \3 T! b- I1 Q图论与网络

0 v8 o6 S2 q0 v+ o$ @% f欧拉图

( ^9 [9 f1 l1 ]4 }% y7 P0 k0 E二分图

匈牙利算法
5 C. b- R# D4 E: a$ I+ }: T: D: D网络流

最小费用最大流
最短路径

3 {% g2 z6 `0 j1 @( W% B& T, Z  iTSP问题

近似算法和启发式算法
1 p) w( M& W! j( y2 L# u+ G二边逐次修正法
P和NP问题

$ Y8 U+ V+ F7 A8 B) f) c背包问题
% `% U. x5 M5 A' A  n
6 Z7 \5 M7 `2 J) q; y% D. e4 K最小生成树

Prime算法
Kruskal算法
2 o1 [1 {2 q/ s; B' t图的基本概念及其矩阵表示

无向图
: D7 t- [! B3 Q) `& o8 r- {有向图
完全图
8 Y7 q2 A; ?& G+ q二分图
图与网络的数据结构表示方法
; _, N/ Z- @4 ^9 T, p$ G# T邻接矩阵表示法
关联矩阵表示法
$ B. j' ~4 _$ K+ C弧表表示法
邻接表表示法
2 L; h3 ]; R+ k& X. J8 H; I5 {星形表示法
常见的网络优化问题
5 M  V! `2 l- q, z
最短路问题
% T: W. [$ ~: I! K& A! f9 ?3 l1 F公路连接问题
中国邮递员问题（欧拉图）
. N1 B# ]( I( X- [+ |  I' e* }  \旅行商问题TSP（哈密顿图）
运输问题
3 Q) C+ G, p; K7 O; P/ e1 \. N图像处理

/ c' v! t& k3 L& W基本概念

! Z. g0 z* X0 S$ q  |图像分类
/ B9 ]7 Y; E, X0 y0 Q$ m  I离散图像
用一个数字序列表示的图像，0和1
+ q/ g5 X) i0 k5 N+ |连续图像
二维坐标系中具有连续变化的图像
矩阵中的元素称为像素，以256灰色等级的数字图像为例，一般由8位，即一个字节表示灰度值
/ n4 J5 v# X- O, i6 Y# v" o. c灰度值量化为对应灰度等级
$ z+ B' B" |: `' D; V/ l, x等间隔量化（一般采用这个）
  R4 u  [' T( t* N非等间隔量化
/ @1 T4 i) m+ N: i) N' o3 h; I数据类

3 P1 v  U( G# G% F数值数据类
double
uint8
" ~* Z- ~. N+ u! |3 `uint16
$ ?& [! {% }* h, r7 p, |3 I9 uuint32
' J  |6 z, c6 E! Q4 f0 w0 _int8
! k, K2 k  p9 n/ X/ cint16
int32
% d% b- y& d8 Psingle
2 g) H1 Y3 h- l. Hchar
& L8 e8 Z2 P  P字符类（逻辑数据类）
logical
图像类型

. b5 t( M& _% H( t. Q, y2 X二值图像
二维矩阵由０、１构成，０为黑色，１为白色
3 v" w$ L& D- ^通常用于OCR
- A  S6 p9 O6 L' n% G+ ?一般二值图像是逻辑数组，只有０和１的uint8类数组，并不会认为是二值图像，需要使用logical函数 B= logical(A);
5 z0 `5 b& a. f( }0 A2 k灰度图像
1 C# d- H6 e7 M  y& r即人们常说的256灰度图像，0表示纯黑色，255表示纯白色
二值图像可以看成是灰度图像的一个特例
- o' G* x% e4 g0 O索引图像
有两个分量。即数据矩阵X和彩色映射矩阵map，矩阵map是一个大小为m*3且由范围在[0,1]之间的浮点值构成的double数组，map数组的长度同它所定义的颜色数目相等，map数组的每一行都定义单色的红绿蓝三个分量，X则是索引矩阵
6 w: \; ^  l5 k6 a# a1 K真彩色RGB图像
3 r8 P9 E* J" U是彩色像素的一个mn3数组，其中每一个彩色像素点，都是在特定空间位置的彩色图像相对应的红、绿、蓝三个分量
数据类之间转换
7 ]0 v, _) x, V" G+ M0 H
im2uint8
- q  p+ x) o: B; D; z: L2 T4 mim2uint16
' @* m  L0 K: X" d# m! ?+ h& bmat2gray：将输入转换为double，范围为[0,1]
; @6 \+ F1 g) i7 u9 x( h) b4 h' Xim2double
im2bw
图像类型之间转换

* E- |. E- O& o1 a. ?4 L* a0 cind2fray
! }: w6 g& _2 p6 x- [) z: wgray2ind
rgb2ind
ind2rgb
% _: m; C" g0 s$ ]ntec2rgb
rgb2ntsc
使用imtool命令查看一个图像文件的信息
空间滤波器
; z; A6 e' ?$ F4 q
3 G1 W" O8 l7 n; t! n线性滤波器
  g* t3 T; u; h- m4 }* e使用拉普拉斯滤波器增强图像
使用fspecial生成过滤器以及imfilter的使用
非线性滤波器
一个工具是ordfilt2函数，可以生成统计排序滤波器 g=ordfilt2(f,order,domain)
1 E- f3 }* y- Z" e1 o  _ordfilt2函数生成图像g的方式：使用邻域的一组排序元素中的第order个元素来代替f中的每个元素，该淋雨则由domain中的非零元素指定
数字图像处理中最著名的统计排序滤波器是中值滤波器，对应第50个百分位，使用g=ordfilt2(f,median(1:m*n),ones(m,n));创建中值滤波器
工具箱提供了二维中值滤波函数g=medfilt2(f,[m,n])
频域变换
8 ~( g; H/ F) y% E: }
为了有效的对图像进行处理和分析，需要将原定义的图像空间的图像以某种形式转换到频域空间，利用频域空间的特有性质方便的进行一定的加工，最后转换回图像空间
- {5 c" g" D9 i" s3 k6 H# x傅里叶变换
将图像从空域变换到频域
二维连续傅里叶变换
2 {% u% i# y- o二维离散傅里叶变换（DFT）
基于离散傅里叶变换的频域滤波
( |/ L5 `1 t! [  ^离散余弦变换DCT
7 W2 b' y  ^  w7 z9 ?6 D; {# F: }; T图像处理中常用的变换算法，通过DCT变换，可以将图像空间域上的信息变换到频率域上
9 |$ S; |. y/ d! [6 P5 @8 T9 T, E两种实现
基于快速傅里叶变换FFT的算法，通过工具箱提供的dct2
; Z2 x$ Y0 P- k. w* j9 Z另一种是DCT变换矩阵，工具箱提供了dctmtx函数来计算变换矩阵
' z  z" j" k- i& l& m- }图像保真和质量
图像处理中为了增加压缩率有时会放弃图像细节或者其他不太重要的内容，为了衡量解码图像相对于原始图像的偏离程度，这些测度一般称为保真度准则
主要准则
8 B9 x* ~- s$ O) b7 X- ~$ p客观保真度准则
4 m% a1 ~5 f7 l3 N, X3 ]当所损失的信息量可用编码输入图与解码输出图的函数表示时，可以认为是基于客观保真度准则的
均方根误差
* A( ^" d" R3 S7 q' W均方信噪比（SNR）
" D. ~2 ]3 ^4 P9 b- Y均方根误差越小，峰值信噪比越大，处理的图像质量越好
1 B9 |, E* I( n. J5 }! r/ P" G% F主观保真度准则
用分数代表主观评价{很差，较差，相同，稍好，较好，很好}
- r& A4 t" q/ E* z+ P+ F9 ^数字图像的水印防伪
" b: g& Q* z$ I
* d2 z9 q0 {3 F内嵌水印的特点
: @0 C) @/ M1 I3 D, }# ]6 V4 V透明性
鲁棒性
  |! p4 l7 G6 q能够承受施加于图像的变换操作，不会因变换处理而丢失
安全性
5 `0 }1 l  i# |/ Q+ J空间域水印
将水印信息嵌入到载体图像的空间域特性上
5 `1 |2 ]; A: a# s) N4 d" v& t频率域水印
将水印信息嵌入到载体图像的变换域系数等特征上
/ R+ M) Z( Z1 A4 u基于矩阵奇异值分解的数字水印算法
奇异值分解定理
0 k# I+ q* L% N8 t$ E7 H: Y; C$ DWeyl定理
0 A7 P3 ?! b0 D在原矩阵上加一个小小的扰动，看是否矩阵奇异值的变化是否会超过扰动矩阵的最大奇异值，从而判断稳定性
. b% a  p& s; ]7 L水印嵌入
水印提取
" s+ S) z7 |3 T2 y! R嵌入的逆过程
1 \# ?, s% w6 }3 U/ b4 O% o基于DCT变换的水印算法
DCT变换是实数域变换，对实系数处理更加方便，不会使相位信息发生变化，另外，DCT变换是有损图像压缩JPEG的核心，基于DCT变换的图像水印将兼容JPEG图像压缩
水印嵌入算法
' c5 M0 {0 Z' R0 ?; i2 \图像加密
. k7 y5 U( J  N& t图像隐藏
规划问题
, \& \. C; k1 o* ?# ]" \
连续优化
; o  ]! g. j- o5 _
- f1 H" c/ r  [# |6 I/ T线性规划 LP
非线性规划 NLP
二次规划 QP
9 s/ \& b, D( Y) Z离散优化

- k8 ^* R) D! G  R整数线性规划
整数非线性规划
2 D5 N' ?( t6 m5 d纯整数规划
混合整数规划
一般整数规划
0-1整数规划
8 \/ V" C/ e% L5 Z% M) d! B# G整数规划的特殊情形，要求线性规划模型中的决策变量只能取值为0和1
模拟和仿真

模拟
. n6 r4 T: F( O: P( v. G; s0 g
拟合
9 [* P' w: p7 e  B6 W% o
非线性最小二乘法
6 v8 X3 x1 i3 y2 u9 ZIsqcurvefit
4 c0 _: N% q% H" N& {* E7 UIsqnonlin
1 `& D7 K. z. Z2 o8 L3 J拟合与统计回归
0 U$ r7 ?2 B% z: E1 t线性回归
非线性回归
[beta,t,J]=nlinfit(x,y,‘model’,beta0)
, n; s! |' a8 _常用解法：线性最小二乘法
a=polyfit(x,y,m)
插值
1 Q6 a. Y8 S; I& w6 U
一维插值
) u( k' n& t6 k" H拉格朗日插值
8 |5 h* O  D- S# z
yy=lagrange(x,y,xx)
/ I4 R4 L! P7 E& R5 b分段插值

yy=interp1(x , y ,xx , ‘method’)
. B+ v& p3 J: @0 l三次样条插值
" c4 n6 W% j1 a* m# Y
# F+ e, A5 W- @4 {% `( zyy=spline(x,y,xx)
二维插值

最邻近插值
5 J: ^6 ^- I3 O4 p" |分片线性插值
7 y8 |8 `' H4 h8 V4 }$ D双线性插值
" Z$ g& y) U, l" x/ g! Y仿真

动态仿真
连续系统仿真
时间步长法
3 _' q! _* Q4 `0 i5 Y/ ]) Y离散系统仿真
事件步长法
. K  a# R" d* T静态仿真
蒙特卡罗方法
随机数产生
均匀随机数
- k$ x" N$ g' g% E  k其他方法
逆变换法
舍选法
近似抽样法
5 U& m& }% @% M% g指数分布
' A7 C/ g3 [* m/ Z" Y4 J/ L泊松分布
标准正态分布
正态分布
8 Y$ Y$ J9 K4 |4 n2 g( L二项分布
排队问题
可靠性问题
  P- y9 m0 k0 ?# D4 o/ f蒙特卡罗方法
' R/ r9 t2 v* U% K元胞自动机
; o# l, o+ @( U+ s, I# s7 u! h) e数值计算
0 j) k  _7 x, u) x5 s4 s! e  y
5 E8 L7 d" F! [* s9 `, Z3 Z! W常微分方程数值解
, {2 R) j' _7 _
3 j7 ~- Z/ [# I" F6 U: z微分方程解析解
u=dsolve(‘Du=1+u^2’,‘t’)
5 b* p- n# ]% X2 \$ h0 `4 {欧拉方法
4 r% J7 O9 E* }; h  N- R$ k1 G向前欧拉公式
向后欧拉公式
梯形公式
龙格—库塔方法
matlab求解
1 y7 T& y6 o" t# o  w高阶微分方程转一阶常微分方程
刚性常微分方程与非刚性常微分方程
工具箱的使用
! N3 M; f8 V, [/ h7 n& b
1 N- X, J3 a! k  A统计工具箱
7 ^% L3 l4 o% K$ T4 v' {5 f4 S( r7 M: _4 S
- b1 E' @$ W2 y8 {3 L拟合工具箱
' @, K5 t* X- X( c' h  J
神经网络工具箱

- b# z) J$ O* m1 S8 t. @- Q小波工具箱
- {6 ^# o6 [' a1 Y/ j/ R9 n) J
  E5 y& A3 l0 v9 O% G5 G4 B* j并行计算工具箱

& [% _8 S, D7 f6 V: l; N! K8 O5 k优化工具箱
2 I! |, g! j/ v' b2 ]
- U" C. Q' Y' P3 p" ~一元函数极小值
. F4 V3 x/ p* u7 c! d" X6 Dfminbnd
1 l8 j$ v, u: l7 d无约束极小
fminunc
2 Q# R2 z" i' n0 C' a: c6 o为无约束优化提供了大型优化和中型优化算法
为中型优化算法的搜索方向提供了4种算法，由options中的HessUpdate控制，默认为bfgs（拟牛顿法的DFP公式） 另外，还有dfp（拟牛顿法的DFP公式），还有steepdesc（最速下降法）
为中型优化算法的步长一维搜索提供了两种算法，由options中的参数LineSearchType控制，默认是quadcubic （缺省值，混合的二次和三次插值）另外还有cubicpoly（三次多项式插值）
fminsearch
线性规划
1 U2 J$ m2 ]8 s+ A7 y1 W4 o; mlinprog
3 l+ x- ]& d3 P6 ~" e+ e+ Z二次规划
- u* _' o" e( q  j8 Y; `quadprog
) G* U- h! b+ z/ n' W& q2 \5 j0 h约束极小
& n! |! Z9 z. ]; dfmincon
3 k+ B! q" d% q* ?+ I$ Y达到目标问题
& k2 H9 b' V5 f  o; C8 \& k) \fgoalattain
5 X( k& G7 P; d! @) _5 U极小极大问题
* ~! V: W. O1 j0 cfminimax
: n9 W: T" E" d' D0 [- X全局优化工具箱
————————————————
! C3 j( w" V4 G原文链接：https://blog.csdn.net/SinclairWang/article/details/100891757

7 z* Z, V5 h# r+ t0 b! n) W
9 B0 s2 m1 N+ O& z9 v

柠檬草lll

发表回复很全面
9 l. z' r+ V9 |

柠檬草lll

发表回复谢谢分享
& z) g, _) H8 N0 Q8 l4 s' r9 z