• Romberg – Gültig für die meisten Integrale. Verwendet trapezförmige Näherungen über eine gerade Anzahl von Teilintervallen. Anschließend werden aufeinanderfolgende Schätzungen durch Summierung der Flächeninhalte der Trapezoide verglichen.

• Adaptiv – Gültig für Funktionen, die sich im Integrationsintervall schnell ändern. Wird auch als Quadraturmethode bezeichnet.

• Unendliche Grenze – Gültig für Integrale, bei denen mindestens ein Grenzwert unendlich ist. Die integrierte Funktion muss reell sein.

• Einzelner Endpunkt – Gültig für Integrale, die Singularitäten oder Unendlichkeiten an einer oder beiden Integrationsgrenzen aufweisen. Wird auch als offene Romberg-Methode bezeichnet.

• Die Auswahl des Algorithmus ist nur für bestimmte Integrale möglich.

• Wenn mindestens einer der Integralgrenzwerte größer als der absolute Wert von 10^307 oder wenn das Integral unendlich ist, verwendet Automatische Auswahl als Lösungsalgorithmus Unendliche Grenze. In anderen Fällen wird Adaptiv verwendet.

• Linear – Gültig, wenn das Problem eine lineare Struktur hat, nämlich Zielfunktionen mit allen Randbedingungen. Dieser Algorithmus bietet schnelle und genaue Ergebnisse.

• Nichtlinear: Levenberg Marquardt – Versucht, die Nullen der Fehler in den Randbedingungen zu finden. Wenn keine Nullen gefunden werden, minimiert die Methode die Quadratsumme der Fehler in den Randbedingungen.

• Nichtlinear: Konjugierter Gradient – Faktorisiert eine Projektionsmatrix und wendet das Verfahren konjugierter Gradienten an, um ein quadratisches Modell des Schrankenproblems näherungsweise zu minimieren.

• Nichtlinear: SQP – Diese Methode vom Typ "aktiver Satz" löst eine Sequenz an Unterproblemen mit quadratischer Programmierung aus, um die Lösung zu finden.

• Nichtlinear: Innerer Punkt – Diese Methode ersetzt das nichtlineare Programmierproblem durch eine Reihe von Teilproblemen, die durch einen Schrankenparameter gesteuert werden.

• Nichtlinear: Aktiver Satz – Methoden vom Typ "aktiver Satz" lösen eine Folge von Teilproblemen auf der Grundlage eines quadratischen Modells des ursprünglichen Problems.

• Versuchen Sie es mit einer anderen Methode. Eine bestimmte Methode kann bei dem Problem, das Sie zu lösen versuchen, besser oder schlechter funktionieren als die anderen.

• Versuchen Sie es mit einem anderen Schätzwert, oder fügen Sie eine Ungleichheitsnebenbedingung hinzu. Geben Sie einen komplexen Schätzwert an, wenn Sie eine komplexe Lösung anstreben.

• Verwenden Sie Minerr anstelle von Find, um eine Näherungslösung zu ermitteln.

• Versuchen Sie es mit einem anderen Wert für TOL oder CTOL.

• Polynom – Verwendet Polynomnäherungen der räumlichen Ableitungen erster und zweiter Ordnung, um das PDE-System durch die time-Variable auf ein ODE-System zu reduzieren.

• Zentrale Unterschiede – Verwendet zentrale Unterschiede zur Annäherung an räumliche Ableitungen erster Ordnung mit rekursiver Anwendung für räumliche Ableitungen zweiter Ordnung, um das PDE-System durch die time-Variable auf ein ODE-System zu reduzieren.

• Unterschiede an 5 Punkten – Verwendet Unterschiede an 5 Punkten zur Annäherung an räumliche Ableitungen erster Ordnung mit separater Annäherung für räumliche Ableitungen zweiter Ordnung, um das PDE-System durch die time-Variable auf ein ODE-System zu reduzieren.

• Unterschiede an 5 rekursiven Punkten – Verwendet Unterschiede an 5 Punkten zur Annäherung an räumliche Ableitungen erster Ordnung mit rekursiver Anwendung für räumliche Ableitungen zweiter Ordnung, um das PDE-System durch die time-Variable auf ein ODE-System zu reduzieren.

• Adams/BDF (Standard) – Bei nicht-steifen Systemen ruft Odesolve den Adams-Gleichungslöser auf, der die Adams-Bashforth-Methoden verwendet. Wenn Odesolve feststellt, dass das System aus ODEs steif ist, schaltet es auf den BDF-Gleichungslöser (Backward Differentiation Formula) um.

• Fest – Ruft den rkfixed-Gleichungslöser auf, der ein Runge-Kutta-Verfahren mit fester Schrittweite verwendet.

• Adaptiv – Ruft den Rkadapt-Gleichungslöser auf, der ein Runge-Kutta-Verfahren mit adaptiver Schrittweite verwendet.

• Radau – Bei Systemen, die steif sind oder algebraische Randbedingungen aufweisen, ruft Odesolve den Radau-Gleichungslöser auf.

• Optimierter Levenberg-Marquardt (Standard) – Diese optimierte Version der Levenberg-Marquardt-Methode zur Minimierung ist häufig schneller und reagiert weniger empfindlich gegenüber schlechten Schätzwerten. Sie reagiert dagegen empfindlicher auf Fehler in den bereitgestellten algebraischen Ableitungen.

• Levenberg-Marquardt – Diese Methode zur Minimierung wird verwendet, um nicht-lineare Probleme der kleinsten Quadrate zu lösen. Diese Methode sollte mit genfit für gut funktionierende und genaue Schätzwerte verwendet werden.

• LaGuerre (Standard) – Diese Methode ist iterativ und sucht auf der komplexen Ebene nach Lösungen.

• Begleitmatrix – Diese Methode konvertiert die Gleichungen in ein Eigenwertproblem.