در سال های اخیر شناسایی سیستم با روش های بهینه سازی محدب بسیار مورد توجه قرار گرفته است. با استفاده از این روش ها توانسته اند بسیاری از مسائلی که دارای داده های زیادی نیستند را به صورت قابل توجهی شناسایی کرده و مدل مناسبی را ارائه دهند. اما به این نتیجه رسدند که این روش ها در مسائل دارای اطلاعات زیاد مدل مناسبی را به ما نمی دهد. در این گونه مسائل پارامتری که بسیار نمود پیدا می کند، زمان شبیه سازی و رسیدن به جواب است، چرا که با استفاده از روش های بهینه سازی ذکر شده زمان بسیار زیادی برای رسیدن به مدل شناسایی لازم است. بنابراین الگوریتم هایی از جمله الگوریتم گرادیان تقریبی و الگوریتم های نقطه داخلی برای حل این مشکل ارائه شد که در ازای خطای شبیه سازی بیشتری مشکل زمان شبیه سازی را حل کنند. مدلی که در این پژوهش مورد استفاده قرار گرفته، مدل می باشد. با استفاده از الگوریتم گرادیان تقریبی و مدل مذکور اگرچه خطای این روش به نسبت روش های استفاده شده برای شناسایی سیستم های کوچک و متوسط مقیاس زیاد می باشد، اما روشی سریع برای رسیدن به مدل می باشد. در الگوریتم های نقطه داخلی با تغییراتی در الگوریتم پایه ای زمان شبیه سازی مناسبی به دست آمد. حال تنها مسئله ای که باقی می ماند این است که آیا می توان با استفاده از روشی، با حفظ زمان اندک شبیه سازی به دست آمده از الگوریتم های ارائه شده، خطا را نیز کاهش داد یا نه. با استفاده از روش ارائه شده با تغییراتی در الگوریتم نقطه داخلی، خطا باز هم کاهش یافت.