凸优化是在凸约束下最小化凸函数的问题。这类问题在理论和实践中都有快速稳健的优化算法。按照线性优化的模式，在统计、金融、信号处理、几何等众多领域中，越来越多的问题被确定属于这一类。优化问题的新分类现在是凸优化和非凸优化。 Wolfram语言提供了主要的凸优化类、它们的对偶类以及对约束扰动的敏感性。这些课程有广泛的例证，也应该提供一个学习工具。通用优化功能自动识别各种问题并将其转换为这些优化类。问题约束可以使用向量变量和向量不等式进行紧凑建模。
凸优化 —减少
具有
凸的
参数凸优化 —减少
带参数
鲁棒凸优化 —减少
具有不确定性
凸优化类
线性优化 —减少
线性分数优化 —减少
二次优化 —减少
二阶圆锥优化 —减少
半确定优化 —减少
几何优化 —减少
圆锥优化 —减少
向量不等式约束
矢量最大值相等 —向量和矩阵的偏序
无矢量相等 ▪ VectorGreater（矢量大） ▪ 无矢量
查找最小值 —数值局部约束优化
查找最大值 ▪ 查找最小值 ▪ 查找最大值 ▪ 查找参数最小值 ▪ 查找ArgMax
N最小化 —数值全局约束优化
N最大化 ▪ N最小值 ▪ N最大值 ▪ NArg最小值 ▪ NArgMax（NArgMax）
减少 —符号全局约束优化
最大化 ▪ 最小值 ▪ 最大整数值 ▪ ArgMin公司 ▪ ArgMax公司
商业解决方案
莫斯科 —MOSEK ApS的二次曲线优化求解器
古罗比 —Gurobi的二次和线性优化求解器
Xpress（随心换） —FICO Xpress的二次和线性优化求解器
