Terdapat 2 metode dalam solusi optimasi terkonstrain :

a. Lagrange Multiper
Suatu persoalan yang sama dengan nilai batasnya dapat optimasikan
menggunakan metode Lagrange. Secara umum Lagrangian adalah jumlah dari
fungsi tujuan asli, jika memaksimalkan funsi lagrange maka subjek akan berada
pada batas regional. Nilai x yang memaksimalkan L(x,λ) tergantung pada nilai λ
itu sendiri.
L  x,    f  x     b  g  x  
n
 n

L1 ( x,  )   wi log xi    b   xi 
i 1  i 1 

Misalnya, jika L1(x,λ) adalah fungsi cekung dari x yang memiliki maksimum
uniqe pada titik dimana f adalah stasioner dengan perubahan x, dimana
L1 / xi  wi / xi    0 untuk semua i
Jadi xi (λ) = wi / λ, dengan xi (λ)> 0 untuk λ> 0, dan solusinya terletak di bagian
dalam set yang mungkin. Jika λ sebagai suatu bagian yang dapat diubah untuk
menyesuaikan nilai x. Maka dapat diubah nilainya untuk menemukan nilai λ,
katakan λ=λ∗, sehingga batasan fungsional terpenuhi, G(x(λ∗))=b. Misalkan
x∗=x(λ∗). Jika x∗ adalah solusi P. Ini adalah apa yang disebut Teorema Kecukupan
Lagrangian, yang segera kami nyatakan dan buktikan. Perhatikan pertama bahwa,
dalam contoh, g (x (λ)) = ∑i wi / λ. Jadi memilih λ∗=∑i wi/b, kita memiliki g
(x(λ∗))=b. Teorema berikutnya menunjukkan bahwa x = x (λ∗) = wib /∑jwj adalah
optimal untuk P.