NAG 算法库中的优化函数技术

NAG 算法库中包含了完整的优化函数，提供各种不同问题与情境的问题求解。

NAG 算法库的局部优化函数包含：

• 线性、二次、整数与非线性规划问题
• 最小二乘问题
• 限制与非限制最小化

(最大化的问题，可以透过将最小化问题的目标函数进行转换 –F(x) 求得。

然而还有许多因素需要考虑。如果用户能够提供目标函数的一阶或二阶导数，或者是约束式函数，都对求解是有帮助的， 所以 NAG 的优化函数能够提供用户输入这些有用的资讯。

多数的技术仰赖于 "平滑" 与否？ - 是否存在导数？尤其是一阶导数。所以非常不连续的目标函数或者有许多突出的不连续导数，都会让求解问题变得复杂。 也由于这样的原因，NAG 提供 Nelder and Mead 单纯算法 (避免与线性规划法混淆) 求解这样类型的问题，虽然求解速度较慢但较为可靠。

有些问题可能非常的大，而且在问题中有许多零值。这样的问题，我们定义为稀疏型态，往往会浪费储存这些零值的空间。我们提供了求解稀疏型态的优化函数。