Прежде чем вы начнете решать задачу оптимизации, необходимо выбрать соответствующий подход: основанный на проблеме или основанный на решателе. Для получения дополнительной информации смотрите, Сначала Выбирают Problem-Based or Solver-Based Approach.
Нелинейный метод наименьших квадратов решает min (∑ || F (xi) - yi ||2), где F (xi) является нелинейной функцией, и yi является данными. Смотрите Нелинейный метод наименьших квадратов (Curve Fitting).
Для подхода, основанного на проблеме создайте переменные задачи, и затем представляйте целевую функцию и ограничения в терминах этих символьных переменных. Для основанных на проблеме шагов, чтобы взять, смотрите Основанный на проблеме Рабочий процесс Оптимизации. Чтобы решить получившуюся задачу, использовать solve.
Для основанных на решателе шагов, чтобы взять, включая определение целевой функции и ограничений и выбора соответствующего решателя, смотрите Настройку Задачи Оптимизации на Основе Решателя. Чтобы решить получившуюся задачу, использовать lsqcurvefit или lsqnonlin.
| Optimize | Оптимизируйте или решите уравнения в Live Editor |
Нелинейный метод наименьших квадратов, основанный на проблеме
Основной пример нелинейного метода наименьших квадратов с помощью подхода, основанного на проблеме.
Нелинейный подбор кривой данных Используя несколько подходов, основанных на проблеме
Решите наименьшие квадраты подходящая проблема с помощью других решателей и разных подходов к линейным параметрам.
Подходящее ОДУ, основанное на проблеме
Подходящие параметры на ОДУ с помощью основанных на проблеме наименьших квадратов.
Запишите целевую функцию для основанных на проблеме наименьших квадратов
Синтаксические правила для основанных на проблеме наименьших квадратов.
Нелинейный подбор кривой данных
Основной пример, показывающий несколько способов решить соответствующую данным задачу.
Показывает, как решить для минимума функции Розенброка, использующей другие решатели, с или без градиентов.
Пример того, чтобы подбирать симулированную модель.
Нелинейный метод наименьших квадратов без и включая якобиан
Пример, показывающий использование аналитических производных в нелинейном методе наименьших квадратов.
Нелинейный Curve Fitting с lsqcurvefit
Пример, показывающий, как сделать нелинейный подбор кривой данных с lsqcurvefit.
Соответствуйте обыкновенному дифференциальному уравнению (ODE)
Пример, показывающий, как соответствовать параметрам ОДУ к данным или подходящим параметрам кривой к решению ОДУ.
Подберите модель к данным с комплексным знаком
Пример, показывающий, как решить задачу нелинейного метода наименьших квадратов, которая имеет данные с комплексным знаком.
Генерация кода в нелинейном методе наименьших квадратов: Фон
Необходимые условия, чтобы сгенерировать код С для нелинейного метода наименьших квадратов.
Сгенерируйте Код для lsqcurvefit или lsqnonlin
Пример генерации кода для нелинейного метода наименьших квадратов.
Генерация кода оптимизации для приложений реального времени
Исследуйте методы для обработки требований в реальном времени в сгенерированном коде.
Что такое параллельные вычисления в Optimization Toolbox?
Используйте несколько процессоров для оптимизации.
Используя параллельные вычисления в Optimization Toolbox
Выполните оценку градиента параллельно.
Улучшание производительности с параллельными вычислениями
Исследуйте факторы для ускорения оптимизации.
Запишите целевую функцию для основанных на проблеме наименьших квадратов
Синтаксические правила для основанных на проблеме наименьших квадратов.
Наименьшие квадраты (подбор кривой модели) алгоритмы
Минимизация суммы квадратов в размерностях n только со связанными или линейными ограничениями.
Исследуйте опции оптимизации.