凸优化是在凸约束中最小化凸函数的问题. 这是一类在理论和实践中存在的快速和稳健优化算法的问题. 遵循线性优化模式，在各类领域，例如：统计、金融、信号处理、几何等领域中正在确定更广泛的问题类别. 新的优化问题类别现在是凸与非凸优化. Wolfram 语言提供主要的凸优化类，它们对偶且敏感于约束扰动. 这些类是广泛的例子并提供学习工具. 广义优化函数自动识别并把广泛的问题转换为这些优化类. 可以使用向量变量和向量不等式压缩建模问题约束.

ConvexOptimization — 用 凸最小化

ParametricConvexOptimization — 用参数 最小化

RobustConvexOptimization — 用不确定性 最小化

凸优化类

LinearOptimization — 最小化

LinearFractionalOptimization — 最小化

QuadraticOptimization — 最小化

SecondOrderConeOptimization — 最小化

SemidefiniteOptimization — 最小化

GeometricOptimization — 最小化

ConicOptimization — 最小化

向量不等式约束

VectorGreaterEqual — 向量和矩阵的部分排序

VectorLessEqual  ▪  VectorGreater  ▪  VectorLess

广义凸与非凸优化 »

FindMinimum — 数值局部约束优化

FindMaximum  ▪  FindMinValue  ▪  FindMaxValue  ▪  FindArgMin  ▪  FindArgMax

NMinimize — 数值全局约束优化

NMaximize  ▪  NMinValue  ▪  NMaxValue  ▪  NArgMin  ▪  NArgMax

Minimize — 符号全局约束优化

Maximize  ▪  MinValue  ▪  MaxValue  ▪  ArgMin  ▪  ArgMax

商业求解器

MOSEK — MOSEK ApS 的圆锥优化求解器

Gurobi — Gurobi 的二次和线性优化求解器

Xpress — FICO Xpress 的二次和线性优化求解器