非線形最小二乗法 (曲線近似)

非線形最小二乗 (曲線近似) 問題の逐次評価または並列評価による解法

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。

非線形最小二乗法では、min(∑||F(x_i) - y_i||²) を解きます。F(x_i) は非線形関数、y_i はデータです。問題には範囲、線形制約、または非線形制約を含めることができます。

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。結果として得られる問題を解くには、lsqcurvefit または lsqnonlin を使用します。

関数

`lsqcurvefit`	非線形曲線近似 (データ適合) 問題を最小二乗近似的に解く
`lsqnonlin`	非線形最小二乗 (非線形データ適合) 問題を解く
`checkGradients`	Check first derivative function against finite-difference approximation (R2023b 以降)
`optim.coder.infbound`	コード生成の無限境界サポート (R2022b 以降)

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)

非線形最小二乗法、問題ベース
問題ベースのアプローチを使用する非線形最小二乗法の基本的な例。
さまざまな問題ベースのアプローチを使用した非線形データ適合
線形パラメーターに対し、さまざまなソルバーやアプローチを使用して、最小二乗近似問題を解きます。
最適化変数を使用して ODE のパラメーターを当てはめる
問題ベースの最小二乗法を使用して、ODE のパラメーターを当てはめます。
制約付き非線形最小二乗の lsqnonlin と fmincon の比較
非線形制約をもつ非線形最小二乗問題において、lsqnonlin と fmincon のパフォーマンスを比較します。
問題ベースの最小二乗法の目的関数の記述
問題ベースの最小二乗法の構文ルール。