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：基于问题或基于求解器的方法。有关详细信息，请参阅首先选择基于问题的或基于求解的方法．
非线性最小二乘求解min（σ||F（X一世） -y一世||2）， 在哪里F（X一世）是一个非线性功能和y一世是数据。看非线性最小二乘(曲线拟合)．
对于基于问题的方法，创建问题变量，然后在这些符号变量方面表示目标函数和约束。对于基于问题的步骤，请参阅基于问题的优化工作流程．为了解决由此产生的问题，使用解决．
对于基于求解器的步骤，包括定义目标函数和约束，并选择合适的求解器，请参阅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．
职能
实时编辑任务
| 优化 | 优化或求解实时编辑器中的方程 |
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基本示例。
使用不同的求解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的ode上的拟合参数。
基于问题的最小二乘法的语法规则。
基于求解的非线性最小二乘
基本示例显示了解决数据拟合问题的几种方法。
展示如何使用不同的求解器，有或没有渐变来解决Rosenbrock的函数的最小值。
拟合一个模拟模型的例子。
示例显示在非线性最小二乘中使用分析衍生物的用途。
示例显示如何使用LSQCurveFit进行非线性数据配件。
示例显示如何将ode参数适合数据，或将曲线的参数适合曲线到ode的解决方案。
示例显示如何解决具有复值数据的非线性最小二乘问题。
代码生成
先决条件为非线性最小二乘法生成C代码。
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一个网站：
