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||Cx-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.为了解决由此产生的问题,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.为了解决由此产生的问题,使用lsqlin或者,对于非负最小二乘,你也可以使用lsqnonneg

功能

全部展开

评估 评估优化表达式
不可能实行 在某一点违反约束
optimproblem 创建优化问题
optimvar 创建优化变量
解决 解决优化问题或方程问题
lsqlin 解决约束线性最小二乘问题
lsqnonneg 解决非负线性最小二乘问题
mldivide, \ 解线性方程组Ax = Bx
optimwarmstart 创建热启动对象

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

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。

大规模约束线性最小二乘,基于问题的

使用基于问题的方法解决光学去模糊问题。

写出基于问题的最小二乘的目标函数

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

使用lsqlin求解器优化活动编辑器任务

示例显示优化实时编辑器任务和线性最小二乘。

非负线性最小二乘,基于求解器

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。

线性最小二乘的雅可比乘函数

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。

温暖启动最佳实践

描述如何最好地使用热启动加速重复解决方案。金宝搏官方网站

基于求解器的大规模约束线性最小二乘

解决光学去模糊问题使用求解器为基础的方法。

代码生成

线性最小二乘代码生成:背景

生成C语言线性最小二乘代码的先决条件。

生成lsqlin的代码

线性最小二乘的代码生成示例。

优化实时应用程序的代码生成

探索在生成代码中处理实时需求的技术。

具体问题具体分析的算法

写出基于问题的最小二乘的目标函数

基于问题的最小二乘语法规则。

具体问题具体分析的优化算法

优化函数和对象如何解决优化问题。

金宝app支持优化变量和表达式的操作

列出优化变量和表达式上所有可用的数学和索引操作。

算法和选项

最小二乘(模型拟合)算法

使平方和最小n只有约束或线性约束的尺寸。

优化选择参考

探索优化选项。