主要内容
线性最小二乘
解决线性最小二乘问题的边界或线性约束
在开始解决优化问题之前，必须选择适当的方法:基于问题或基于求解器。有关详细信息,请参见首先选择基于问题或基于求解器的方法．
线性最小二乘求解最小||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，请参见具体问题具体分析优化工作流程．要解决结果问题，使用解决．
对于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．要解决结果问题，使用lsqlin或者，对于非负最小二乘，你也可以使用lsqnonneg．
功能
住编辑任务
| 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
演示如何使用基于问题的方法解决线性最小二乘问题。
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。
使用基于问题的方法解决光学去模糊问题。
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
示例显示优化实时编辑器任务和线性最小二乘。
这个例子展示了如何使用几种算法来解决一个线性最小二乘问题的边界约束是解是非负的。
这个例子展示了如何在一个大型的结构化线性最小二乘问题中节省内存。
描述如何最好地使用热启动来加快重复的解决方案。万博 尤文图斯
使用基于求解器的方法解决光学脱模问题。
具体问题具体分析的算法
基于问题的最小二乘语法规则。
优化函数和对象如何解决优化问题。
列出优化变量和表达式上所有可用的数学和索引操作。
你也可以从以下列表中选择一个网站:
