matlab_最小二乘优化问题

【lsqlin函数】

lsqlin函数是有约束线性最小二乘函数，用以求含参量x（向量）使得∑(Cx-d)² , {i∈N|i=1:n}最小。
数学模型为：

min ∑ ( Cx - d )² , { i ∈ N | i = 1:n }
s.t.    Ax≤b,
         Aeqx=beqx,
         LB≤x≤UB.

【实例】
函数形式：
[x, resnorm, residual, exitflag, output, lambda] = lsqlin(C, d, A, b, Aeq, beq, LB, UB, x0, options);

function Example()
clear all
clc
C = [0.9501 
    0.2311
    0.6068
    0.4859 
    0.8912];
d = [0.0578
    0.3528 
    0.8131
    0.0098
    0.1388];
[x, fval] = lsqlin(C, d, [], [], [], [], [], [])
subplot(1, 2, 1);       
%将多个图画到一个平面上
plot(C, d, 'o', C, C*x, 'r', C, C*x, '+')
axis([0 1 0 1]);          
%绘图时x、y轴的上下限
grid on                 
%在画图的时候添加网格线。
xx = linspace(0, 1);
%linspace(x1,x2,N)均分指令，其中x1、x2、N分别为起始值、终止值、元素个数。若默认N，默认点数为100。
%logspace(a, b, n)生成一个(1*n)数组，数据的第一个元素值为10^a，最后一个元素为10^b，n是总采样点数。
subplot(1, 2, 2);
plot(C, C*x, '+', xx, x*xx, 'r')
axis([0 1 0 1])
grid on
end

---

【lsqcurvefit函数】

非线性数据（曲线）拟合函数
已知数据点：
xdata = (xdata₁, xdata₂, …, xdata_n)
ydata = (ydata₁, ydata₂, …, ydata_n)
F(x, xdata) = (f₁(x, xdata₁), …, f_n(x, xdata_n) )^T 中的参变量x（向量），使得

        ∑(F(x, xdata_i) - ydata_i)² 最小.

[x, fval] = lsqcurvefit(‘fun’, x0, xdata, ydata)

【实例】

function Example()
clear all
clc
xdata = [3.6 7.7 9.3; 4.1 8.6 2.8; 1.3 7.9 10.0];
ydata = [16.5 150.6 263.1]';
x0 = [0, 0, 0];
[x, resnorml] = lsqcurvefit(@myfun, x0, xdata, ydata)
end

function F = myfun(k, xdata)
F = k(1)*xdata(:,1)+k(2)*xdata(:,2)+k(3)*xdata(:,3);
end

---

【lsqnonlin函数】

非线性最小二乘（非线性数据拟合）函数
已知数据点：
xdata = (xdata₁, xdata₂, …, xdata_n)
ydata = (ydata₁, ydata₂, …, ydata_n)
F(x, xdata) = (f₁(x, xdata₁), …, f_n(x, xdata_n) )^T 中的参变量x（向量），使得
        ∑f_i(x)² 最小.
其中，f_i(x) = f(x, xdata_i, ydata_i) = F(x, xdata_i) - ydata_i.

[x, fval] = lsqnonlin(‘fun’, x0)

【实例】

function Example()
clear all
clc
x0 = [0.3 0.4];
[x, resnorml] = lsqnonlin(@myfun, x0)
end

function F = myfun(x)
k = 1:10;
F = 2 + 2*k-exp(k*x(1))-exp(k*x(2));
end