Прежде чем приступить к решению задачи оптимизации, необходимо выбрать подходящий подход: на основе задач или на основе решателей. Дополнительные сведения см. в разделе Первый выбор подхода на основе проблем или подхода на основе решателей.
Линейные наименьшие квадраты решают min | | C * x - d | | 2, возможно, с границами или линейными ограничениями.
Для подхода, основанного на проблемах, создайте переменные задачи, а затем представьте целевую функцию и ограничения в терминах этих символьных переменных. Шаги, выполняемые на основе проблем, см. в разделе Рабочий процесс оптимизации на основе проблем. Для решения возникшей проблемы используйте solve.
Шаги, выполняемые на основе решателя, включая определение целевой функции и ограничений, а также выбор соответствующего решателя, см. в разделе Настройка задачи оптимизации на основе решателя. Для решения возникшей проблемы используйте lsqlin или, для неотрицательных наименьших квадратов, вы также можете использовать lsqnonneg.
| Оптимизировать | Оптимизация или решение уравнений в интерактивном редакторе |
Кратчайшее расстояние до плоскости
Показывает, как решить линейную задачу наименьших квадратов с помощью подхода, основанного на задачах.
Неотрицательные линейные наименьшие квадраты, основанные на проблемах
Показывает, как решить неотрицательную линейную задачу наименьших квадратов с помощью подхода, основанного на задачах, и нескольких решателей.
Масштабные линейные наименьшие квадраты с ограничениями, основанные на проблемах
Решает проблему оптического устранения размытия с помощью подхода, основанного на проблемах.
Запись целевой функции для наименьших квадратов, основанных на проблемах
Правила синтаксиса для наименьших квадратов, основанных на проблемах.
Задача оптимизации интерактивного редактора с помощью lsqlin Solver
Пример, показывающий задачу «Оптимизировать интерактивный редактор» и линейные наименьшие квадраты.
Неотрицательные линейные наименьшие квадраты, на основе решателя
В этом примере показано, как использовать несколько алгоритмов для решения линейной задачи наименьших квадратов с ограничивающим ограничением, что решение неотрицательно.
Функция умножения Якобиана с линейными наименьшими квадратами
Пример, показывающий, как сохранить память в большой структурированной линейной задаче наименьших квадратов.
Передовые практики теплого старта
Описывает, как лучше всего использовать теплый старт для ускорения повторяющихся решений.
Масштабные линейные наименьшие квадраты с ограничениями на основе решателей
Решает проблему оптического удаления размытия с помощью подхода, основанного на решателе.
Генерация кода в линейных наименьших квадратах: фон
Предпосылки для создания кода C для линейных наименьших квадратов.
Пример генерации кода для линейных наименьших квадратов.
Создание кода оптимизации для приложений реального времени
Изучите методы обработки требований в реальном времени в сгенерированном коде.
Запись целевой функции для наименьших квадратов, основанных на проблемах
Правила синтаксиса для наименьших квадратов, основанных на проблемах.
Алгоритмы оптимизации на основе проблем
Как функции и объекты оптимизации решают задачи оптимизации.
Поддерживаемые операции с переменными и выражениями оптимизации
Список всех доступных математических операций и операций индексирования для переменных и выражений оптимизации.
Алгоритмы наименьших квадратов (подгонка модели)
Сведение к минимуму суммы квадратов в n размерах с только связанными или линейными ограничениями.
Ссылка на параметры оптимизации
Изучите возможности оптимизации.