Julia 带边界约束的非线性最小二乘解算器

我正在寻找一个类似于Julia中Matlab的

lsqnonlin

函数的函数

看起来不错，但不接受Matlab实现的相同参数；具体而言：

• 下限
• 上界
• 初始条件

其中，初始条件、下限和上限是长度为6的向量

---

任何建议都会很棒。谢谢

也许这不是一个正确的答案，但我在过去取得了一些成功

---

将惩罚项添加到边界外的成本函数中，类似于具有阶梯行为的强指数。当然，缺点是手动定义成本函数。

也许这不是一个正确的答案，但我在过去取得了一些成功

---

将惩罚项添加到边界外的成本函数中，类似于具有阶梯行为的强指数。当然，缺点是手动定义成本函数。

事实上，它是这样的，只是自述文件中没有解释（为了更好地衡量，这里有一个稳定的链接）

不清楚你所说的初始条件是什么意思。如果你是指初始参数，这是非常可能的

using LsqFit

# a two-parameter exponential model
# x: array of independent variables
# p: array of model parameters
model(x, p) = p[1]*exp.(-x.*p[2])

# some example data
# xdata: independent variables
# ydata: dependent variable
xdata = linspace(0,10,20)
ydata = model(xdata, [1.0 2.0]) + 0.01*randn(length(xdata))
p0 = [0.5, 0.5]

fit = curve_fit(model, xdata, ydata, p0)

（摘自手册）。这里

p0

是初始参数向量

这将为您提供非常接近

[1.0,2.0]

的功能。但是，如果我们想将参数约束在

[0,1]x[0,1]

中，该怎么办？然后，我们只需将关键字参数

lower

和

upper

设置为上下限向量

fit = curve_fit(model, xdata, ydata, p0; lower = zeros(2), upper = ones(2))

---

根据您的确切数据，应该会给出类似于

[1.0，1.0]

的内容。

事实上是这样的，只是自述文件中没有解释（为了更好地衡量，这里有一个稳定的链接）

不清楚你所说的初始条件是什么意思。如果你是指初始参数，这是非常可能的

using LsqFit

# a two-parameter exponential model
# x: array of independent variables
# p: array of model parameters
model(x, p) = p[1]*exp.(-x.*p[2])

# some example data
# xdata: independent variables
# ydata: dependent variable
xdata = linspace(0,10,20)
ydata = model(xdata, [1.0 2.0]) + 0.01*randn(length(xdata))
p0 = [0.5, 0.5]

fit = curve_fit(model, xdata, ydata, p0)

（摘自手册）。这里

p0

是初始参数向量

这将为您提供非常接近

[1.0,2.0]

的功能。但是，如果我们想将参数约束在

[0,1]x[0,1]

中，该怎么办？然后，我们只需将关键字参数

lower

和

upper

设置为上下限向量

fit = curve_fit(model, xdata, ydata, p0; lower = zeros(2), upper = ones(2))

根据您的确切数据，应该给出类似于

[1.0,1.0]

的内容