主要内容
非线性最小二乘(曲线拟合)
串联或并行地解决非线性最小二乘(曲线拟合)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．
功能
实时编辑器任务
| 优化 | 在Live Editor中优化或求解方程 |
话题
基于问题的非线性最小二乘
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。
基于解算器的非线性最小二乘法
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。
代码生成
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。
您还可以从以下列表中选择网站：
