主要内容
非线性最小二乘（曲线配件）
在串行或平行中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。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．
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y我是数据。看到非线性最小二乘（曲线配件）．
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．要解决结果问题，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．要解决结果问题，使用lsqcurvefit或者lsqnonlin．
功能
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线性参数的不同方法解决最小二乘拟合问题。
用基于问题的最小二乘拟合ODE上的参数。
基于问题的最小二乘语法规则。
基于求解器的非线性最小二乘
这个基本的例子展示了几种解决数据拟合问题的方法。
演示如何使用不同的求解器来解决Rosenbrock函数的最小值，有或没有梯度。
拟合模拟模型的示例。
这个例子展示了在非线性最小二乘中解析导数的使用。
示例演示了如何用lsqcurves拟合进行非线性数据拟合。
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的解决方案的示例。
演示如何解决具有复值数据的非线性最小二乘问题的例子。
代码生成
前提是生成C语言的非线性最小二乘代码。
非线性最小二乘代码生成的例子。
探索处理生成代码中实时要求的技术。
您还可以从以下列表中选择一个网站：
