问 通过在MATLAB/Python中优化多个变量来减少两个图之间的差异？

EN

实际上，您正在尝试拟合参数化函数 x,y,z 的参数 h(x,y,z;t) 。

MATLAB

在MATLAB中，您应该使用优化工具箱的 lsqcurvefit ，或者曲线拟合工具箱的 fit (我更喜欢后者)。

查看 lsqcurvefit 的文档

x = lsqcurvefit(fun,x0,xdata,ydata);

它在文档中说，您有一个具有系数 F(x,xdata) 和样本点 xdata 的模型 ydata ，以及一组测量值 ydata 。该函数返回最小二乘参数集 x ，其中您的函数最接近测量值。

拟合算法通常需要起点，一些实现可以随机选择，在 lsqcurvefit 的情况下，这就是 x0 的目的。如果你有

h = @(x,y,z,t) ... %// actual function here
t_meas = ... %// actual measured times here
h_meas = ... %// actual measured data here

然后在 lsqcurvefit 的惯例中，

fun   <--> @(params,t) h(params(1),params(2),params(3),t)
x0    <--> starting guess for [x,y,z]: [x0,y0,z0]