查找最小值

查找最小值[（f）,x个]

给出局部最小值（f）.

查找最小值[（f）,{x个,x个₀}]

给出局部最小值（f），通过从该点开始的搜索找到x个=x个₀.

查找最小值[（f）,{{x个,x个₀},{年,年₀},…}]

给出了多个变量函数的局部最小值。

查找最小值[{（f）,欺骗},{{x个,x个₀},{年,年₀},…}]

根据约束条件给出局部最小值欺骗.

查找最小值[{（f）,欺骗},{x个,年,…}]

从约束定义的区域内的点开始。

详细信息和选项

查找最小值[…]实际上相当于弗斯特[查找最小值[…]].
如果变量的起点以列表形式给出，则变量的值将被视为具有相同维度的列表。
欺骗可以包含方程式、不等式或这些的逻辑组合。
约束条件欺骗可以是以下内容的任意逻辑组合：
左侧（lhs）==重组人血清方程

左侧（lhs）>相对湿度或左侧（lhs）>=相对湿度不等式

{x个,年,…}∈规则地区规范
查找最小值首先本地化所有变量的值，然后计算（f）变量是符号的，然后用数字反复计算结果。
查找最小值具有属性全部保留，并有效使用块本地化变量。
查找最小值[（f）,{x个,x个₀,x个₁}]在中搜索局部最小值（f）使用x个₀和x个₁作为的前两个值x个，避免使用衍生工具。
查找最小值[（f）,{x个,x个₀,x个_最小值,x个_最大值}]搜索局部最小值，如果x个是否超出范围x个_最小值到x个_最大值.
除非是在（f）和欺骗都是线性的，结果由查找最小值可能只对应于局部最小值，而不是全局最小值。
默认情况下，假设所有变量都是真实的。
对于线性（f）和欺骗,x个∈整数可用于指定变量只能采用整数值。
查找最小值采用与相同的选项查找最小值.

所有选项列表

示例

全部打开全部关闭

基本示例 (4)

求一元函数的最小值：

求多元函数的最小值：

求受约束函数的最小值：

求几何区域上函数的最小值：

范围 (12)

使用不同的起点，获得不同局部极小值：

两变量函数的局部最小值x=2,y=2:

磁盘内约束的局部最小值：

不必提供起点：

对于线性目标和约束，可以施加整数约束：

或者可以指定约束：

求几何区域上函数的最小值：

绘制它：

查找两个区域之间的最小距离：

绘制它：

找到最小值这样三角形和椭圆仍然相交：

绘制它：

找到包含给定三个点的磁盘的最小半径：

使用圆周直接给出相同的结果：

使用指定是中的向量:

查找两个区域之间的最小距离：

绘制它：

选项 (8)

准确度目标和精确度目标 (2)

这实施了收敛标准和:

设置高工作精度使过程收敛：

评估监控器 (1)

图收敛到局部最小值：

梯度 (2)

使用给定的渐变：

提供坡度和黑森：

方法 (1)

在这种情况下，默认的基于派生的方法存在困难：

在这些情况下，不需要衍生工具的直接搜索方法可能会有所帮助：

N最小化还使用一系列直接搜索方法：

步骤监视器 (1)

采取的步骤查找最小值在求函数的最小值时：

工作精度 (1)

将工作精度设置为; 默认情况下，准确性目标和精准度目标设置为:

属性和关系 (1)

查找最小值给出了最小值和最小值参数的值：

查找最小值以列表形式给出最小值的位置：

查找最小值给出了最小值：

可能的问题 (4)

如果约束区域为空，则算法不会收敛：

如果最小值不是有限的，则算法将不会收敛：

整数线性规划算法仅适用于机器编号问题：

有时提供一个合适的起点可以帮助算法收敛：

顶部

查找最小值

详细信息和选项

所有选项列表

示例

基本示例 (4)

范围 (12)