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。有关详细信息,请参见首先选择基于问题或基于解决者的方法.
非线性最小二乘求解min(∑||)F(x我) -y我||2),F(x我)为非线性函数和y我是数据。看到非线性最小二乘(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。关于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
.
关于需要采取的基于求解器的步骤,包括定义目标函数和约束,以及选择合适的求解器,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lsqcurvefit
或lsqnonlin
.
优化 | 在实时编辑器中优化或求解方程 |
使用基于问题的方法的非线性最小二乘的基本例子。
用不同的求解器和线性参数的不同方法求解最小二乘拟合问题。
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语法规则。
基本的例子显示了几种解决数据拟合问题的方法。
演示如何解决罗森布罗克函数的最小值使用不同的求解器,有或没有梯度。
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例子。
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的参数拟合到数据,或将曲线的参数拟合到ODE的解。
例子说明如何解决一个非线性最小二乘问题,有复值数据。
生成非线性最小二乘C代码的先决条件。
非线性最小二乘的代码生成示例。
探索在生成的代码中处理实时需求的技术。