如何在MATLAB优化器中灵活设置模型参数的固定/自由状态以分阶段拟合数据

我太懂你这个需求了——分阶段拟合模型，不同阶段要固定部分参数，还不想为了这点事儿写好几个ModelFunction，或者在函数里塞一堆乱糟糟的条件判断，对吧？其实MATLAB的优化工具完全支持这种灵活的参数控制，不用动你的核心模型函数，给你分享两个实用的思路，不管是patternsearch还是其他优化器（比如fmincon、lsqcurvefit）都能用：

方法一：参数映射法（最清晰通用） #

核心思路是：把固定参数和自由参数分开，优化器只处理真正需要调整的自由参数，在调用ModelFunction的时候，再把固定参数和当前优化得到的自由参数拼接成完整的参数向量传给模型。这样你的ModelFunction完全不用改，还是接收完整的参数列表。

比如你第二阶段要固定第一阶段得到的psolve(1)，只优化后两个参数，代码可以这么改：

% 第一阶段得到的固定参数值
fixed_param1 = psolve(1);

% 第二阶段只针对剩下的2个自由参数设初始值、上下限
initialEstimate_stage2 = rand(1,2)*10;  % 只给后两个参数的初始值
lb_stage2 = zeros(1,2);
ub_stage2 = ones(1,2)*10;

% 定义代价函数：把固定参数和当前优化的自由参数拼接后传入ModelFunction
costFunction2 = @(free_params) ComputeCost(...
    ModelFunction([fixed_param1, free_params], fixedParameters), ...
    signalToBeModeled);

% 调用优化器，只优化这2个自由参数
[psolve_stage2, fval, exitflag, output] = patternsearch(...
    costFunction2, initialEstimate_stage2, [], [], [], [], lb_stage2, ub_stage2, opts);

% 最终的完整参数向量就是固定参数加优化得到的参数
final_full_params = [fixed_param1, psolve_stage2];

这个方法的好处是优化变量的维度完全对应自由参数的数量，逻辑清晰，不会出现“明明参数在列表里却不能动”的混淆，所有MATLAB优化器都能无缝适配。

方法二：约束固定法（改动最小） #

如果你不想改变参数向量的长度，也可以通过把固定参数的上下限设为同一个值，让优化器“被迫”保持这个参数不变。这种方法几乎不用改原来的代价函数结构，只需要调整上下限和初始估计：

% 第一阶段得到的固定参数值
fixed_param1 = psolve(1);

% 复制原来的上下限，把第一个参数的上下限强制设为固定值
lb_fixed = lb;
ub_fixed = ub;
lb_fixed(1) = fixed_param1;
ub_fixed(1) = fixed_param1;

% 初始估计的第一个值也设为固定值，避免优化器一开始就偏离
initialEstimate_fixed = initialEstimate;
initialEstimate_fixed(1) = fixed_param1;

% 代价函数还是用原来的，参数向量长度不变
costFunction2 = @(freeParameters) ComputeCost(...
    ModelFunction(freeParameters, fixedParameters), signalToBeModeled);

% 调用优化器，此时第一个参数会被约束在固定值，只优化后两个
[psolve_fixed, fval, exitflag, output] = patternsearch(...
    costFunction2, initialEstimate_fixed, [], [], [], [], lb_fixed, ub_fixed, opts);

这个方法的优势是改动极小，几乎和你原来的代码结构一致，适合快速调整。需要注意的是，部分优化器可能会对上下限相等的参数做特殊处理，但像patternsearch、fmincon、lsqnonlin这些常用工具都完全支持。

不管用哪种方法，都能完美复用你现有的ModelFunction，不用加任何条件判断逻辑，完全满足你分阶段拟合的需求~

备注：内容来源于stack exchange，提问作者Matt