線形最小二乗法

範囲制約と線形制約をもつ線形最小二乗法問題の解法

最適化問題を解く前に、問題ベースかソルバーベースか、適切なアプローチを選択しなければなりません。詳細については、はじめに問題ベースアプローチまたはソルバーベースアプローチを選択を参照してください。

線形最小二乗法では、min||C*x - d||² を解きます。おそらくは、範囲または線形制約があります。

問題ベースのアプローチでは、問題変数を作成し、これらのシンボリック変数の観点から目的関数と制約を表現します。実行する問題ベースの手順については、問題ベースの最適化ワークフローを参照してください。結果として得られる問題を解くには、solve を使用します。

目的関数と制約の定義、適切なソルバーの選択を含め、実行するソルバーベースの手順については、ソルバーベースの最適化問題の設定を参照してください。生成された問題を解くには、lsqlin を使用します。非負の最小二乗法の場合は、lsqnonneg も使用できます。

関数

最適化	ライブエディターでの方程式の最適化または解決 (R2020b 以降)

lsqlin ソルバーを使用した最適化ライブエディタータスク
最適化ライブエディタータスクと線形最小二乗を示す例。
非負の線形最小二乗法、ソルバーベース
この例では、いくつかのアルゴリズムを使用して、解が非負となる範囲制約のある、線形最小二乗問題を解く方法を説明します。
線形最小二乗付きヤコビ乗算関数
構造化された大規模な線形最小二乗問題でメモリを節約する方法を示す例。
ウォームスタートのベストプラクティス
求解の繰り返しを高速化するために、最適なウォームスタートの使用方法を説明します。
大規模な制約付き線形最小二乗法、ソルバーベース
ソルバーベースのアプローチを使用して光学的ブレ除去問題を解く。