关于采用matlab进行指定非线性方程拟合的问题

※1。优化工具箱的利用

 a.线性拟合
   函数名                            描述
 LSQLIN            有约束线性最小二乘优化
 LSQNONNEG  非负约束线性最小二乘优化问题
       当有约束问题存在的时候，应该采用上面的方法代替Polyfit与反斜线（\）。具体例子请参阅优化工具箱文档中的相应利用这两个函数的例子。

 d.  非线性曲线拟合
   函数名                           描述
 FMINBND        只解决单变量固定区域的最小值问题
 FMINSEARCH 多变量无约束非线性最小化问题（Nelder-Mead 方法）。
      下面给出一个小例子展示一下如何利用FMINSEARCH
 

1.首先生成数据
       >> t=0:.1:10;
       >> t=t(:);
       >> Data=40*exp(-.5*t)+rand(size(t));  % 将数据加上随机噪声
 2.写一个m文件，以曲线参数作为输入，以拟合误差作为输出
 function sse=myfit(params,Input,Actural_Output)
     A=params(1);
     lamda=params(2);
     Fitted_Curve=A.*exp(-lamda*Input);
     Error_Vector=Fitted_Curve-Actural_Output;
     %当曲线拟合的时候，一个典型的质量评价标准就是误差平方和
     sse=sum(Error_Vector.^2);
     %当然，也可以将sse写作：sse=Error_Vector(:)*Error_Vector(:);
 3.调用FMINSEARCH
     >> Strarting=rand(1,2);
     >> options=optimset('Display','iter');
     >> Estimates=fiminsearch(@myfit,Strarting,options,t,Data);
     >> plot(t,Data,'*');
     >> hold on
     >> plot(t,Estimates(1)*exp(-Estimates(2)*t),'r');