线性最小二乘
解决有界或线性约束的线性最小二乘问题
在开始解决优化问题之前，必须选择适当的方法:基于问题的方法还是基于求解器的方法。有关详细信息,请参见首先选择基于问题或基于求解器的方法．
线性最小二乘的解是最小||C＊x-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．要解决由此产生的问题，请使用解决．
有关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．要解决由此产生的问题，请使用lsqlin对于非负最小二乘，你也可以用lsqnonneg．
功能
住编辑任务
| 优化 | 在实时编辑器中优化或求解方程 |
主题
基于问题的线性最小二乘
- 到平面的最短距离
展示了如何用基于问题的方法来解决线性最小二乘问题。 - 基于问题的非负线性最小二乘
展示了如何使用基于问题的方法和几个求解器来求解一个非负线性最小二乘问题。 - 基于问题的大规模约束线性最小二乘
利用基于问题的方法解决了光学去模糊问题。 - 基于问题的最小二乘的目标函数
基于问题的最小二乘的语法规则。
基于求解器的线性最小二乘
- 用lsqlin求解器优化实时编辑器任务
显示优化实时编辑器任务和线性最小二乘的示例。 - 基于求解器的非负线性最小二乘
这个例子展示了如何使用几种算法来求解解非负的线性最小二乘问题。 - 线性最小二乘的雅可比矩阵乘法
演示如何在大型结构化线性最小二乘问题中节省内存的示例。 - 热启动最佳实践
描述如何最好地使用热启动来加速重复解决方案。金宝搏官方网站 - 基于求解器的大规模约束线性最小二乘
使用基于求解器的方法解决光学去模糊问题。
代码生成
- 线性最小二乘的代码生成:背景
生成线性最小二乘的C代码的先决条件。 - 为lsqlin生成代码
线性最小二乘的代码生成示例。 - 实时应用程序代码生成优化
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
- 基于问题的最小二乘的目标函数
基于问题的最小二乘的语法规则。 - 具体问题具体分析的优化算法
了解优化函数和对象如何解决优化问题。 - 金宝app优化变量和表达式的支持操作
探索优化变量和表达式所支金宝app持的数学和索引操作。
算法和选项
- 最小二乘(模型拟合)算法
中的平方和的最小值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。
您也可以从以下列表中选择网站: