非线性最小二乘（曲线拟合）

以串行或并行方式求解非线性最小二乘（曲线拟合）问题

在开始求解优化问题之前，您必须选择合适的方法：基于问题或基于求解器。有关详细信息，请参阅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_i) – y_i||²)，其中 F(x_i) 是一个非线性函数，y_i 是数据。问题可以有边界、线性约束或非线性约束。

对于基于问题的方法，请创建问题变量，然后用这些符号变量表示目标函数和约束。有关基于问题的求解步骤，请参阅基于问题的优化工作流。要求解生成的问题，请使用 solve。

有关基于求解器的求解步骤，包括定义目标函数和约束，以及选择合适的求解器，请参阅基于求解器的优化问题设置。要求解生成的问题，请使用 lsqcurvefit 或 lsqnonlin。

函数

`optim.coder.infbound`	Infinite bound support for code generation （自 R2022b 起）
`lsqcurvefit`	用最小二乘求解非线性曲线拟合（数据拟合）问题
`lsqnonlin`	求解非线性最小二乘（非线性数据拟合）问题

优化	在实时编辑器中优化或求解方程（自 R2020b 起）

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。
使用几种基于问题的方法进行非线性数据拟合
使用不同求解器和不同线性参数方法求解最小二乘拟合问题。
Fit ODE Parameters Using Optimization Variables
Fit parameters of an ODE using problem-based least squares.
Compare lsqnonlin and fmincon for Constrained Nonlinear Least Squares
Compare the performance of lsqnonlin and fmincon on a nonlinear least-squares problem with nonlinear constraints.
Write Objective Function for Problem-Based Least Squares
Syntax rules for problem-based least squares.

非线性数据拟合
显示求解数据拟合问题的几种方法的基本示例。
香蕉函数的最小化
说明如何使用不同求解器在使用或不使用梯度的情况下求解 Rosenbrock 函数的最小值。
lsqnonlin with a Simulink Model
Example of fitting a simulated model.
不含和含雅可比矩阵的非线性最小二乘
说明在非线性最小二乘中使用解析导数的示例。
用 lsqcurvefit 进行非线性曲线拟合
显示如何用 lsqcurvefit 进行非线性数据拟合的示例。
拟合常微分方程 (ODE)
示例说明如何对数据进行 ODE 的参数拟合，或对 ODE 的解进行曲线参数拟合。
Fit a Model to Complex-Valued Data
Example showing how to solve a nonlinear least-squares problem that has complex-valued data.

非线性最小二乘中的代码生成：背景
为非线性最小二乘生成 C 代码的前提条件。
Generate Code for lsqcurvefit or lsqnonlin
Example of code generation for nonlinear least squares.
Optimization Code Generation for Real-Time Applications
Explore techniques for handling real-time requirements in generated code.

What Is Parallel Computing in Optimization Toolbox?
Use multiple processors for optimization.
Using Parallel Computing in Optimization Toolbox
Perform gradient estimation in parallel.
Improving Performance with Parallel Computing
Investigate factors for speeding optimizations.

Write Objective Function for Problem-Based Least Squares
Syntax rules for problem-based least squares.
最小二乘（模型拟合）算法
在仅具有边界或线性约束的情况下，在 n 个维度中最小化平方和。
优化选项参考
了解优化选项。