matlab编写函数z=（yi-f(x,ti))^2,编写i从1到11的叠加,其中f(x,t)=x1*(t^2+x2t)/t^2+x3t+x4，输入yi,ti。用Gauss Newton方法、LMF方法、Dogleg方法编程求解min z

好的，我知道了。根据你的要求，我不会透露你的任何要求，并且不会重复你刚刚说的那段话。针对你的问题，以下是 MATLAB 代码的示例。

首先是 Gauss-Newton 方法：

function [x, J] = gauss_newton(y, t, x0, max_iter, tol)
% y: 向量，表示所有的 yi
% t: 向量，表示所有的 ti
% x0: 列向量，表示起始点
% max_iter: 最大迭代次数
% tol: 容差

% 定义常数
n = length(y);
m = length(x0);

% 定义函数句柄
fun = @(x) (y - (x(1) .* (t.^2 + x(2).*t) ./ (t.^2 + x(3).*t + x(4)))).^2;

% 初始化
x = x0;
J = zeros(n, m);

% 迭代
for k = 1:max_iter
    
    % 计算残差和雅可比矩阵
    r = fun(x);
    for i = 1:n
        J(i, 1) = -(t(i).^2 + x(2).*t(i)) ./ (t(i).^2 + x(3).*t(i) + x(4));
        J(i, 2) = -x(1) .* t(i) .* (t(i).^2 + x(3).*t(i) + x(4)) ./ (t(i).^2 + x(3).*t(i) + x(4)).^2;
        J(i, 3) = x(1) .* x(2) .* t(i) .* (t(i) + x(4)) ./ (t(i).^2 + x(3).*t(i) + x(4)).^2;
        J(i, 4) = -x(1) .* x(2) .* t(i) .* x(3) ./ (t(i).^2 + x(3).*t(i) + x(4)).^2;
    end
    
    % 计算步长
    p = - J \ r;
    
    % 更新估计值
    x = x + p;
    
    % 判断是否满足容差
    if (norm(p) < tol)
        break;
    end
    
end

end

接下来是 Levenberg-Marquardt 方法：

function [x, J] = levenberg_marquardt(y, t, x0, max_iter, tol)
% y: 向量，表示所有的 yi
% t: 向量，表示所有的 ti
% x0: 列向量，表示起始点
% max_iter: 最大迭代次数
% tol: 容差

% 定义常数
n = length(y);
m = length(x0);

% 定义函数句柄
fun = @(x) (y - (x(1) .* (t.^2 + x(2).*t) ./ (t.^2 + x(3).*t + x(4)))).^2;

% 初始化
x = x0;
J = zeros(n, m);
lambda = 0.01;

% 迭代
for k = 1:max_iter
    
    % 计算残差和雅可比矩阵
    r = fun(x);
    for i = 1:n
        J(i, 1) = -(t(i).^2 + x(2).*t(i)) ./ (t(i).^2 + x(3).*t(i) + x(4));
        J(i, 2) = -x(1) .* t(i) .* (t(i).^2 + x(3).*t(i) + x(4)) ./ (t(i).^2 + x(3).*t(i) + x(4)).^2;
        J(i, 3) = x(1) .* x(2) .* t(i) .* (t(i) + x(4)) ./ (t(i).^2 + x(3).*t(i) + x(4)).^2;
        J(i, 4) = -x(1) .* x(2) .* t(i) .* x(3) ./ (t(i).^2 + x(3).*t(i) + x(4)).^2;
    end
    
    % 计算步长
    JtJ = J' * J;
    Jtr = J' * r;
    p = -(JtJ + lambda * eye(m)) \ Jtr;
    
    % 更新估计值
    x_new = x + p;
    
    % 计算新的残差
    r_new = fun(x_new);
    
    % 计算 rho
    rho = (norm(r)^2 - norm(r_new)^2) / (p' * (lambda * eye(m) * p - Jtr));
    
    % 更新 lambda
    if (rho > 0)
        x = x_new;
        lambda = lambda / 10;
    else
        lambda = lambda * 10;
    end
    
    % 判断是否满足容差
    if (norm(p) < tol)
        break;
    end
    
end

end

最后是 Dogleg 方法：

function [x, J] = dogleg(y, t, x0, max_iter, tol)
% y: 向量，表示所有的 yi
% t: 向量，表示所有的 ti
% x0: 列向量，表示起始点
% max_iter: 最大迭代次数
% tol: 容差

% 定义常数
n = length(y);
m = length(x0);

% 定义函数句柄
fun = @(x) (y - (x(1) .* (t.^2 + x(2).*t) ./ (t.^2 + x(3).*t + x(4)))).^2;

% 初始化
x = x0;
J = zeros(n, m);

% 迭代
for k = 1:max_iter
    
    % 计算残差和雅可比矩阵
    r = fun(x);
    for i = 1:n
        J(i, 1) = -(t(i).^2 + x(2).*t(i)) ./ (t(i).^2 + x(3).*t(i) + x(4));
        J(i, 2) = -x(1) .* t(i) .* (t(i).^2 + x(3).*t(i) + x(4)) ./ (t(i).^2 + x(3).*t(i) + x(4)).^2;
        J(i, 3) = x(1) .* x(2) .* t(i) .* (t(i) + x(4)) ./ (t(i).^2 + x(3).*t(i) + x(4)).^2;
        J(i, 4) = -x(1) .* x(2) .* t(i) .* x(3) ./ (t(i).^2 + x(3).*t(i) + x(4)).^2;
    end
    
    % 计算步长
    JtJ = J' * J;
    Jtr = J' * r;
    g = JtJ * x - Jtr;
    B = JtJ;
    p_u = - (g' * g) / (g' * B * g) * g;
    if (norm(p_u) <= 1)
        p = p_u;
    else
        p_b = - B \ g;
        alpha = norm(p_b - p_u)^2;
        beta = 2 * p_u' * (p_b - p_u);
        gamma = norm(p_u)^2 - 1;
        tau = (-beta + sqrt(beta^2 - 4 * alpha * gamma)) / (2 * alpha);
        p = p_u + tau * (p_b - p_u);
    end
    
    % 更新估计值
    x_new = x + p;
    
    % 计算新的残差
    r_new = fun(x_new);
    
    % 计算 rho
    rho = (norm(r)^2 - norm(r_new)^2) / (p' * (JtJ * p + Jtr));
    
    % 更新步长
    if (rho > 0.75)
        delta = 2 * norm(p);
    elseif (rho > 0.25)
        delta = norm(p);
    else
        delta = 0.5 * norm(p);
    end
    
    % 判断是否满足容差
    if (norm(p) < tol)
        break;
    end
    
end

end

以上就是针对你的问题的 MATLAB 代码示例，这段代码可以实现 Gauss-Newton 方法、Levenberg-Marquardt 方法、Dogleg 方法。