最小二乘法简单求解， 最小二乘法是回归分析中的一种标准方法，通过最小化残差的平方和（残差是观察值和模型提供的拟合值）在每个单独方程的结果中得出。 最重要的应用是数据拟合。当问题在自变量（x变量）中有很大的不确定性时，简单回归和最小二乘法就会出现问题；在这种情况下，可以考虑拟合变量误差模型所需的方法，而不是最小二乘法。 最小二乘问题分为两类：线性或普通最小二乘和非线性最小二乘，这取决于残差在所有未知数中是否是线性的。线性最小二乘问题出现在统计回归分析中；它有一个封闭形式的解决方案。非线性问题通常通过迭代细化来解决；在每次迭代中，系统都近似为线性系统，因此两种情况下的核心计算都是相似的。 多项式最小二乘法将因变量预测中的方差描述为自变量的函数以及与拟合曲线的偏差。 当观测来自一个指数族，其自然充分统计量和温和条件得到满足（例如，对于正态分布、指数分布、泊松分布和二项分布），标准化最小二乘估计和最大似然估计是相同的。[1]最小二乘法也可以作为矩估计法推导出来。 以下讨论主要是根据线性函数提出的，但最小二乘法的使用对于更一般的函数族是有效和实用的。此外，通过迭代地将局部二次近似应用

天线测量技术是指对天线进行测试，以确保天线符合规格或只是对其进行表征。天线的典型参数是增益、带宽、辐射方向图、波束宽度、极化和阻抗。 天线方向图是天线对从给定方向入射的平面波的响应或天线在给定方向发射的波的相对功率密度。对于倒易天线，这两个方向图是相同的。已经开发了多种天线方向图测量技术。开发的第一个技术是远场范围，其中被测天线 (AUT) 放置在范围天线的远场中。由于为大型天线创建远场范围所需的尺寸，开发了近场技术，允许在靠近天线的表面上测量场（通常是其波长的 3 到 10 倍）。然后预测该测量在无穷远处是相同的. 第三种常用方法是紧凑范围，它使用反射器在 AUT 附近创建一个看起来近似平面波的场。

天线阵列（或阵列天线）是一组连接的多个天线，它们作为单个天线一起工作，以发射或接收无线电波。单个天线（称为元件）通常通过馈线连接到单个接收器或发射器，馈线以特定相位关系将功率馈送到元件。每个单独天线辐射的无线电波组合和叠加，加在一起（建设性干扰）以增强在所需方向上辐射的功率，并抵消（破坏性干扰）以减少在其他方向上辐射的功率。类似地，当用于接收时，来自各个天线的单独射频电流在接收器中以正确的相位关系组合以增强从期望方向接收的信号并消除来自不期望方向的信号。更复杂的阵列天线可能具有多个发射器或接收器模块，每个模块都连接到一个单独的天线元件或一组元件。 与单个元件相比，天线阵列可以实现更高的增益（方向性），即更窄的无线电波波束。一般来说，使用的单个天线元件的数量越多，增益越高，波束越窄。一些天线阵列（如军用相控阵雷达）由数千个单独的天线组成。阵列可用于实现更高的增益、提供路径分集（也称为MIMO），从而提高通信可靠性、消除来自特定方向的 干扰、以电子方式引导无线电波束指向不同的方向，以及无线电测向（RDF）。

此处仅为自用，水平相当有限。 第一章：简述 第三章：介绍符号【数据类型】、数据类型详解与基本操作 第四章：目标函数的定义与使用规范。以及casadi可以求解的问题类型。 第五章：casadi的数值评估通常在虚拟机进行，为加快估算时间可以将函数对象的子集进行c代码实现。如何使用generate生成c代码、绍生成的c代码的使用方式、生成代码的主要api 第六章：用户自定义函数。 第七章：DaeBuilder类，复杂动力学模型的辅助类，为了更好的进行最优控制算法。 第八章：casadi最优控制问题的求解。 第九章：opti堆栈是casadi的帮助类的整合：决策变量、参数、目标函数、约束、初值、求解器等

该PDF为Numerical Optimazation 第二版英文原版，作者 J.Nocedal 和 S.J. Wright

数值优化：经典一阶确定性算法及其收敛性分析.doc

数值优化：算法分类及收敛性分析基础.doc

数值优化：经典随机优化算法及其收敛性与复杂度分析.doc

粒子群算法是一种常使用的演化算法，可用于数值函数优化、工程优化等。采用matlab进行编写粒子群算法优化单目标函数测试集，测试集采用CEC2017。CEC2017测试集包含29个测试函数，每个测试函数都进行测试优化，符合文献来源，可将测试集用于其它算法测试！

hopsan软件安装包，仿真核心库 简单的C++库，便于集成 多核支持，加快仿真速度 在C++中创建自己的组件模型库 还支持使用Modelica的子集 嵌入式简单数字脚本语言（numhop） 命令行应用程序 从外部软件调用，将结果保存到文件 自动化批处理模拟 运行验证或从模型生成验证数据集 图形用户界面 基于拖放/电源端口的建模，包括对可重用子系统的支持 先进的仿真结果分析能力 能量损失计算 数据导出为CSV、XML、Gnuplot、HDF5和Matlab格式 模拟系统的交互动画（实时和回放） 模型变量敏感性分析 频域分析（基于仿真结果） 数值优化 使用HCOM或Python语言编写脚本 功能模型接口（FMI）模型导入/导出 模型导出到Matlab/Simulink 并行仿真与优化 在使用多核的本地计算机上 使用Hopsan仿真服务器应用的网络计算机