MATLAB中lsqcurvefit拟合异常：系数数量级差异导致无优化

核心原因 #

待拟合系数coeff(1)（量级_{1e10）和`coeff(2)`（量级}4）数量级差异过大，导致Levenberg-Marquardt算法的梯度缩放失衡，算法误判初始点为最优解，未执行迭代优化。

具体解决办法 #

1. 对系数进行归一化/缩放处理 #

将数量级悬殊的系数缩放至同一区间（比如1~100），拟合完成后再还原真实值，消除量级差异对算法的影响。

修改后的代码示例：

V = [V1, Vp]; %voltages
a = 1.1792;
b = 0.5;
e = 1.60217662e-19;
Area = 4.7909e-7;
mi = 39.948./(6.022e23.*1000);

% 定义缩放因子，将系数拉到相近量级
scale_coeff1 = 1e10; % 匹配coeff(1)的初始量级
scale_coeff2 = 1;    % coeff(2)量级接近1，无需额外缩放

% 缩放初始猜测值
coeff0_scaled = [7e10/scale_coeff1, 4/scale_coeff2]; % 变为[7,4]

% 修改拟合方程，用缩放后的系数计算
Eqn7_scaled = @(coeff_scaled, VV) ((e^1.5)*(coeff_scaled(1)*scale_coeff1)*Area*sqrt((coeff_scaled(2)*scale_coeff2)/(2*pi*mi)))*100^3*...
    (a*(-VV(:,1)/(coeff_scaled(2)*scale_coeff2)).^b.*tanh(VV(:,2)/(2*(coeff_scaled(2)*scale_coeff2))) + ...
    (a*(-VV(:,1)/(coeff_scaled(2)*scale_coeff2)).^b - a*(-(VV(:,1)+VV(:,2))/(coeff_scaled(2)*scale_coeff2)).^b)./(exp(VV(:,2)/(coeff_scaled(2)*scale_coeff2))+1));

options = optimoptions('lsqcurvefit','Algorithm','levenberg-marquardt','OptimalityTolerance',1e-16,'FunctionTolerance',1e-16);
lb = [];            
ub = [];
% 拟合缩放后的系数
[vals_scaled, resnorm, out, flag] = lsqcurvefit(Eqn7_scaled, coeff0_scaled, V, data(:,2),lb,ub);

% 还原真实系数
vals = [vals_scaled(1)*scale_coeff1, vals_scaled(2)*scale_coeff2];

% 绘图验证
plot(data(:,1),data(:,2),'x',data(:,1),Eqn7(vals,V),'b-')

2. 切换算法并启用自动缩放 #

改用信赖域反射算法，同时开启雅可比矩阵自动缩放，算法会自适应调整系数的量级影响：

options = optimoptions('lsqcurvefit','Algorithm','trust-region-reflective',...
                       'OptimalityTolerance',1e-16,'FunctionTolerance',1e-16,...
                       'ScaleProblem','jacobian');

注：该算法适合目标函数雅可比矩阵可高效计算的场景，若你的方程计算量不大，可直接尝试。

3. 补充系数上下界约束 #

若已知系数的合理范围，给lb和ub设置边界，帮助算法缩小搜索空间，避免因量级问题迷失方向：

lb = [5e10, 2]; % 根据实际情况调整下限
ub = [9e10, 6]; % 根据实际情况调整上限

验证要点 #

• 查看vals是否与初始猜测值不同，确认算法执行了迭代
• 对比拟合曲线与原始数据的贴合度
• 检查out结构体中的iterations字段，确认迭代次数大于0

内容的提问来源于stack exchange，提问作者Andrew