最优化
主题概览 »Wolfram 语言中集成了大量先进的局部和全局性最优化技术，无论应用于数值还是符号，包括约束的非线性优化，内点法和整数规划——以及原始的符号方法. Wolfram 语言的符号体系结构与工业强度系统和模型最优化无缝的连接在一起，有效的处理大量的线性规划问题和变量的非线性问题.
数值最优化
NMinimize, NMaximize — 全局的非线性约束最优化
FindMinimum, FindMaximum — 局部无约束或约束的最优化
FindFit — 最优化的非线性的无约束或约束的数据拟合
符号最优化
极限值和位置
NMinValue ▪ NMaxValue ▪ FindMinValue ▪ FindMaxValue
NArgMin ▪ NArgMax ▪ FindArgMin ▪ FindArgMax
矩阵形式
LinearOptimization — 矩阵形式的实数和整数线性规划
LeastSquares — 矩阵形式的最小二乘问题
凸优化 »
ConvexOptimization — 用 
为凸，最小化 
ParametricConvexOptimization — 用参数 
最小化 
RobustConvexOptimization — 用不确定性 
最小化 
LinearOptimization ▪ LinearFractionalOptimization ▪ QuadraticOptimization ▪ SecondOrderConeOptimization ▪ SemidefiniteOptimization ▪ ConicOptimization
组合最优化 »
FindShortestTour — 求解一个旅行销售商问题
Minimize, FindMinimum — 求解整数规划问题
ArgMin, MinValue, … — 最小值的位置和数值
KnapsackSolve — 求解有界、无界和 0–1 背包问题
FrobeniusSolve — 混合基数约束满足（如：换硬币）问题
广义优化
BayesianMinimization — 数字、文字、图像、...... 函数的基于模型的最小化
BayesianMinimizationObject — 基于模型的最小化结果的表示
BayesianMaximization ▪ BayesianMaximizationObject
不等式可视化
RegionPlot, RegionPlot3D — 绘制满足不等式的区域
特殊情况
NetTrain — 用指定的损失函数培训神经网络
SpherePoints — 球面上相等的间隔点
EstimatedDistribution ▪ EstimatedProcess ▪ FindFormula ▪ ...
FindGeometricTransform ▪ ImageAlign ▪ GuidedFilter ▪ ...