W poniższej tabeli zestawione są dostępne metody optymalizacji.
Tabela 6.1. Metody optymalizacji
| Metoda | Opis | Typ funkcji | Ograniczenia |
|---|---|---|---|
| BCBarrierNewtonMethod | Metoda Newtona, w której ograniczenia liniowe są modelowane za pomocą bariery logarytmicznej. | NLF.NLF2 | wymagane |
| BCBarrierQuasiNewtonMethod | Kwazi metoda Newtona, w której ograniczenia liniowe są modelowane za pomocą bariery logarytmicznej. | NLF.NLF1 | wymagane |
| BCEllipsoidMethod - metoda elipsoid | Algorytm o wielomianowej złożoności; dodatkowy parametr określający promień początkowej elipsoidy można ustawić za pomocą metody setInitialEllipsoid(double radius). | NLF.NLF1 | wymagane |
| BCFDNewtonMethod | Modyfikacja metody Newtona wykorzystującej różnice skończone, do której dodano ograniczenia | NLF.NLF1 | wymagane |
| BCNewtonMethod | Modyfikacja metody Newtona, do której dodano ograniczenia. | NLF.NLF2 | wymagane |
| BCQuasiNewtonMethod - bound constrained quasi Newton method | Modyfikacja kwazi - metody Newtona, do której dodano ograniczenia. | NLF.NLF1 | wymagane |
| ConjugateGradientMethod | Metoda gradientów sprzężonych, charakteryzująca się skromnymi (liniowymi względem wymiaru) wymaganiami pamięciowymi. Stosowana do funkcji symetrycznych dodatnio określonych. | NLF.NLF1 | nie wymagane |
| FDNewtonMethod | Modyfikacja metody Newtona-Rhapsona, w której Hessian jest przybliżany za pomocą różnic skończonych. W tej metodzie bardzo istotny jest wybór punktu początkowego. Wymagane jest obliczenie pochodnych pierwszego rzędu. | NLF.NLF1 | nie wymagane |
| NewtonMethod | Wydajny klasyczny algorytm Newtona-Rhapsona oparty na lokalnym przybliżaniu funkcji wielomianem stopnia 2 uzyskanym z rozwinięcia Taylora. W tej metodzie bardzo istotny jest wybór punktu początkowego. | NLF.NLF2 | nie wymagane |
| QuasiNewtonMethod | Modyfikacja metody Newtona-Thapsona, w której Hessian jest przybliżany za pomocą różnic skończonych pierwszych pochodnych w kolejnych punktach. W tej metodzie bardzo istotny jest wybór punktu początkowego. Metoda ta bywa wolniejsza od FDNewtonMethod w skutek pojawiających się błędów przybliżeń. | NLF.NLF1 | nie wymagane |