制約条件 に従って を最大化する：

いくつかの線形不等式制約はVectorGreaterEqualで表現できる：

v>= または\[VectorGreaterEqual]を使ってベクトル不等式の記号を入力する：

スカラー不等式を使った同等の形：

ベクトル変数 を使う：

にスレッディングの可能性があるので，不等式 は とは等しくないかもしれない：

での意図しないスレッディングを避けたければInactive[Plus]を使うとよい：

定数パラメータを持つ方程式を使って での意図しないスレッディングを回避する：

VectorGreaterEqualは"NonNegativeCone"についての錐不等式を表す：

円錐の次元を明示的に指定したければ，{"NonNegativeCone",n}を使うとよい：

解を求める：

制約条件 に従って を最大化する：

"NormCone"で錐不等式を使って制約条件 を指定する：

解を求める：

制約条件 に従って関数 を最大化する：

Indexedを使ってベクトル変数の成分（例：）にアクセスする：

ベクトル変数の次元と領域が曖昧なときはVectors[n,dom]を使って指定する：

NonNegativeReals ()を使って非負の制約条件を指定する：

ベクトル不等式 を使った同等の形：

NonPositiveReals ()を使って非正の制約条件を指定する：

ベクトル不等式を使った同等の形：

Orという制約を指定することができる：

Integersを使って整数領域の制約を指定する：

Vectors[n,Integers]を使ってベクトル変数に整数領域の制約を指定する：

NonNegativeIntegers ()を使って非負の整数領域の制約を指定する：

NonPositiveIntegers ()を使って非正の整数領域の制約を指定する：

の におけるベクトルの線形関数の最大値を求める，ただし，：

領域上の最大値を求める：

異なる2つの領域内にあるように制約されている2点間の可能な最大距離を求める：

線形の目的関数と制約条件がある場合は，最大値が見付かるとそれは大域的になる：

制約条件は等式制約および不等式制約である：

Equalを使っていくつかの等式制約を一度に表現する：

いくつかのスカラー等式を使った同等の形：

VectorLessEqualを使っていくつかのLessEqual不等式制約を一度に表現する：

v<= を使ってベクトル不等式をコンパクトな形で入力する：

スカラー不等式を使った同等の形：

Intervalを使って変数の境界を指定する：

"NonNegativeCone"を使って の形の線形関数を指定する：

v>= を使ってベクトル不等式をコンパクトな形で入力する：

凸二次制約条件に従って凹二次関数の最大値を求める：

領域をプロットする：

が半正定値になるようなの最大値を求める：

目的関数のプロットを示す：

が半正定値でとなるような凹目的関数の最大値を求める：

領域と最大化点をプロットする：

不等式制約とノルム制約に従って擬似凹関数 を最大化する．目的関数は2つの非負のアフィン関数の積なので，擬似凹関数である：

最大化は負の目的関数（擬似凹関数）を最小化することで解くことができる．擬似凹問題はパラメータ についてのパラメトリック凸最適化問題として解くことができる：

目的関数を等位集合 の関数としてプロットする：

区間内の等位集合の値について，最小の目的関数が求まる：

等位集合の値が大きくなると，問題は実行不可能になる：

制約条件に従って を最大にする．目的関数は凸関数ではないが凸関数の差 として表すことができる．ただし， と は凸関数である：

領域と最小化点をプロットする：

制約条件に従って を最大にする．制約条件のは凸ではないが，凸条件の差 で表すことができる．ただし， と は凸関数である：

領域と最小化点をプロットする：

非線形制約条件に従って線形目的関数を最大化する：

プロットする：

非線形目的関数を線形制約条件に従って最大化する：

目的関数と最大化点をプロットする：

非線形目的関数を非線形制約条件に従って最大化する：

プロットする：

次で，収束基準とを強制する：

次で，収束基準とを強制する．これはデフォルトの機械精度計算では達成できない：

WorkingPrecisionの設定値を高くするとプロセスが収束するようになる：

関数の解を求める過程で評価したすべての点を最小値の環で記録する：

訪れた点の中で目的関数の値で最終的な解に近いすべての点をプロットする：

メソッドの中には特定の問題に対して準最適な結果を与えるものがある：

この問題の場合は，自動選択されたメソッドが最適な結果を与える：

この非凸問題に対して自動メソッド選択は"Couenne"を選ぶ：

目的関数を最大値とともにプロットする：

速度を求めるなら，たくさんの変数がある問題には"NelderMead"メソッドを使う：

NMaxValueが関数の最大値を求めるのに取るステップ：

作業精度をにする．デフォルトでAccuracyGoalとPrecisionGoalはに設定されている：

三角形と楕円が交差する範囲内の の最大値を求める：

結果の領域を求める：

の正方形内に収まる 個の重なり合ない円の最大半径 とその中心を求める．ボックス制約は として表すことができる：

円は重なってはならない：

変数を集める：

最大半径 を求める：

投資収益率が最大となるように，資本金250,000ドルを2つの株と1つの債権に割り当てる方法を求める．2つの株への投資額を ，債権への投資額を とする：

電気・ガス株に投資される金額は40,000ドルを超えることはできない：

債権に投資される金額は最低でも70,000ドルでなければならない：

2つの株への投資総額は全投資額の少なくとも半分でなければならない：

株式からはそれぞれ9％と4％の年間配当が支払われる．債権は5%の配当がある．投資の全収益は以下の通りである：

株式と債権の購入および取引実行のための費用はであり，1000ドルを超えてはならない：

指定の制約条件内で達成可能な最大利益は以下の通りである：

の最大値が最小となるような，楕円 に関連付けられたパラメータ の値を求める：

距離を の関数として示す：

目的関数の最大値を最小にする最適パラメータ を求める：