คุณสามารถใช้การแยกส่วนของปัญหาออกเป็นจุดเช่นคุณจะต้องกำหนดจำนวนพารามิเตอร์ที่แน่นอน (สมมติว่าและเป็นฟังก์ชันที่ค่อนข้างต่อเนื่อง) สำหรับอนุพันธ์และการรวมคุณสามารถใช้วิธีการออยเลอร์สามารถใช้วิธีการสั่งซื้อที่สูงขึ้น แต่ทำให้แก้ปัญหาได้ยากขึ้นNfg
การปฏิรูปให้:
h=t1N−1,x⃗ =[x1,x2,…,xN],y⃗ =[y1,y2,…,yN],
maxx⃗ ,y⃗ s.t.∑n=1N−1f(h(n−1),xn,yn)hxn+1=xn+g(h(n−1),xn,yn)h,n=1,2,…,N−1
คุณต้องเพิ่มข้อ จำกัด ขอบเขตเข้ากับข้อ จำกัด ด้านความเท่าเทียมกันของปัญหาการปรับให้เหมาะสม คุณสามารถใช้วิธีการที่แตกต่างกันหลายวิธีเพื่อแก้ปัญหานี้ตัวอย่างเช่นถ้าคุณมีการเข้าถึง Matlab คุณสามารถใช้fminconซึ่งจะลดฟังก์ชั่นค่าใช้จ่ายซึ่งสามารถแก้ไขได้โดยการเพิ่มเครื่องหมายลบหน้าผลรวม บ่อยครั้งที่คุณต้องระบุการคาดเดาเริ่มต้นซึ่งอาจส่งผลต่อการแก้ปัญหาด้วยเนื่องจากการคาดเดาที่แตกต่างกันอาจรวมเข้ากับ Maxima ท้องถิ่นที่แตกต่างกัน ด้วยการเพิ่มคุณควรได้คำตอบที่แม่นยำมากขึ้น แต่อาจต้องใช้เวลานานกว่าในการแก้ปัญหา มันอาจจะมาบรรจบกันได้เร็วขึ้นถ้าคุณใช้วิธีแก้ปัญหาที่มีคะแนนน้อยลงและสอดแทรกปัญหาเหล่านั้นแล้วใช้มันเป็นการเดาเริ่มต้นสำหรับปัญหาของจำนวนคะแนนที่มากขึ้นN