在开始解决优化问题之前,必须选择适当的方法:基于问题或基于解算器。有关详细信息,请参阅首先选择基于问题或基于求解器的方法.
非线性最小二乘法(∑||F(x我) - - -Y我||2.),在哪里F(x我)是一个非线性函数,并且Y我这是数据。看见非线性最小二乘(曲线拟合).
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,请参阅基于问题的优化工作流.为了解决由此产生的问题,使用解决
.
有关要采取的基于解算器的步骤,包括定义目标函数和约束,以及选择适当的解算器,请参见基于求解器的优化问题设置.为了解决由此产生的问题,使用最小二乘拟合
或解非线性最小二乘问题
.
优化 | 在Live Editor中优化或求解方程 |
使用基于问题的方法的非线性最小二乘法的基本示例。
使用不同的解算器和不同的线性参数方法解决最小二乘拟合问题。
使用基于问题的最小二乘法在ODE上拟合参数。
基于问题的最小二乘法的语法规则。
显示解决数据拟合问题的几种方法的基本示例。
演示如何使用不同的解算器(带或不带梯度)求解Rosenbrock函数的最小值。
带有Simulink®模型的lsq万博1manbetxnonlin
拟合一个模拟模型的例子。
在非线性最小二乘法中使用解析导数的示例。
演示如何使用lsqcurvefit进行非线性数据拟合的示例。
演示如何将ODE参数拟合到数据,或将曲线参数拟合到ODE解决方案的示例。
演示如何解决具有复杂值数据的非线性最小二乘问题的示例。
生成非线性最小二乘C代码的先决条件。
非线性最小二乘法的代码生成示例。
探索在生成的代码中处理实时需求的技术。