在 MATLAB 中进行数学建模时，求解数学模型的所有最优解可能是一个复杂且计算量较大的任务。具体的求解方法和技术取决于你所使用的数学模型类型、约束条件以及目标函数。

下面是一些常用的求解方法供你参考：

1. 穷举搜索：对于离散的参数空间，可以使用穷举搜索方法遍历所有可能的参数组合，并计算目标函数的值，从中找出最优解。但这种方法在参数空间较大时会变得非常耗时。

2. 数值优化方法：数值优化方法可用于求解连续的参数空间中的最优解。常见的数值优化方法包括梯度下降法、牛顿法、拟牛顿法等。这些方法可以通过最小化目标函数或最大化目标函数来寻找最优解。

3. 遗传算法：遗传算法是一种基于自然进化原理的启发式优化算法。它通过模拟生物进化过程中的选择、交叉和变异等操作来搜索最优解。遗传算法可以用于求解复杂的优化问题，但计算效率可能较低。

4. 线性规划、整数规划等特定问题求解方法：对于特定类型的数学模型，例如线性规划、整数规划等，存在一些专门的求解方法和工具箱。你可以使用 MATLAB 中相关的优化工具箱来求解这些特定问题。

5. 在实际应用中，针对具体问题的特点，可能需要结合不同的求解方法或优化算法来获得更好的结果。此外，还可以考虑使用并行计算或其他加速技术来提高求解效率。

6. 需要注意的是，并非所有的数学模型都存在唯一的最优解。有些问题可能有多个最优解或存在局部最优解。因此，在分析和解释结果时，需要仔细考虑问题的背景和约束条件，以及模型选择的合理性。

7. 总结而言，求解数学建模问题的所有最优解是一个复杂的任务，需要根据具体问题选择合适的求解方法和算法，并进行适当的优化和调整。