线性最小二乘
求解带边界或线性约束的线性最小二乘问题
在开始解决优化问题之前，必须选择适当的方法:基于问题的方法或基于求解器的方法。详细信息请参见首先选择基于问题或基于解决方案的方法．
线性最小二乘解min||C＊x-d||2，可能有边界或线性约束。
对于基于问题的方法，创建问题变量，然后用这些符号变量表示目标函数和约束。有关要采取的基于问题的步骤，请参见基于问题的优化工作流．要解决产生的问题，请使用解决．
有关要采取的基于求解器的步骤，包括定义目标函数和约束，以及选择适当的求解器，请参见基于求解器的优化问题设置．要解决产生的问题，请使用lsqlin对于非负最小二乘，你也可以用lsqnonneg．
功能
实时编辑任务
| 优化 | 在实时编辑器中优化或解决方程 |
主题
基于问题的线性最小二乘
- 到飞机的最短距离
演示如何使用基于问题的方法解决线性最小二乘问题。 - 基于问题的非负线性最小二乘
演示如何使用基于问题的方法和几个求解器来解决一个非负线性最小二乘问题。 - 基于问题的大规模约束线性最小二乘
利用基于问题的方法解决了光学去模糊问题。 - 为基于问题的最小二乘写目标函数
基于问题的最小二乘语法规则。
基于求解器的线性最小二乘
- 用lsqlin求解器优化实时编辑器任务
示例显示优化实时编辑器任务和线性最小二乘。 - 基于求解器的非负线性最小二乘
这个例子展示了如何使用几种算法来求解具有非负解约束的线性最小二乘问题。 - 线性最小二乘雅可比乘法函数
演示如何在大型结构化线性最小二乘问题中节省内存的示例。 - 热启动最佳实践
描述如何最好地使用热启动来加速重复解决方案。万博 尤文图斯 - 大规模约束线性最小二乘，基于求解器
利用基于求解器的方法解决了光学去模糊问题。
代码生成
- 线性最小二乘中的代码生成:背景
生成线性最小二乘C代码的先决条件。 - 为lsqlin生成代码
线性最小二乘的代码生成示例。 - 实时应用程序的优化代码生成
探索在生成的代码中处理实时需求的技术。
具体问题具体分析的算法
- 为基于问题的最小二乘写目标函数
基于问题的最小二乘语法规则。 - 基于问题的优化算法
了解优化函数和对象如何解决优化问题。 - 万博1manbetx优化变量和表达式的支持操作
探索优化变量和表达式所支万博1manbetx持的数学和索引操作。
算法和选项
- 最小二乘(模型拟合)算法
最小的平方和n只有约束或线性约束的维度。 - 优化选项参考
探索优化选项。
您也可以从以下列表中选择一个网站: