我正在努力解决具有现实世界实验数据的具有挑战性的优化问题。简单地说，它是关于将指数衰减模型拟合到曲线（衰减）。本质上，我试图从曲线中预测 3 个参数。每个参数的期望值范围是众所周知的，所以我设置了硬边界（也是为了避免除以 0 等数学错误）。

如果您想象我有百分之一的衰减问题集，拟合所有这些并制作每个预测参数的直方图应该为每个参数提供某种程度的正态分布（大致）。实际上，在 90% 的情况下，通常至少有两个参数被预测在边界处：

我尝试的任何方法都会发生这种情况，无论是非线性最小二乘法还是一些梯度或无梯度最小化器。边界猜测的数量确实取决于问题集的特征（信号强度等），所以我想这是无法进行适当拟合的问题（以前没有人这样做过，所以这个问题确实很有挑战性） . 然而，尽管如此，它还是成功地收敛，导致了这种价值分布。

谁能帮助我解释为什么会发生这种情况，或者科学术语，这样我就知道在尝试解决我的问题时要寻找什么？