Question

我对optim函数不是很熟悉，我想从结果中得到这些信息：a）实现结果需要多少次迭代？ b）绘制部分解的序列，即每次迭代结束时得到的解。

我的代码到现在为止如下：

  f1 <- function(x) {
  x1 <- x[1]
  x2 <- x[2]
  x1^2 + 3*x2^2
}

res <- optim(c(1,1), f1, method="CG")

如何改进它以获取更多信息？

提前致谢

Answer 1

您可以修改函数以将传递给它的值存储到全局列表中。

i <- 0  
vals <- list()
f1 <- function(x) {
  i <<- i+1
  vals[[i]] <<- x

  x1 <- x[1]
  x2 <- x[2]
  x1^2 + 3*x2^2  
}

res <- optim(c(1,1), f1, method="CG")

现在，如果你在运行该功能后检查i和val，你可以看到发生了什么。如果要在optim运行时查看值，也可以在函数中输入print语句。

Answer 2

将trace=1作为控制参数传递给optim，可为您提供有关优化进度的更多详细信息：

res <- optim(c(1,1), f1, method="CG", control=list(trace=1))
# Conjugate gradients function minimizer
# Method: Fletcher Reeves
# tolerance used in gradient test=3.63798e-12
# 0 1 4.000000
# parameters    1.00000    1.00000 
# * i> 1 4 0.480000
# parameters    0.60000   -0.20000 
#   i> 2 6 0.031667
# ......
# * i> 13 34 0.000000
# parameters   -0.00000    0.00000 
# 14 34 0.000000
# parameters   -0.00000    0.00000 
# Exiting from conjugate gradients minimizer
#   34 function evaluations used
#   15 gradient evaluations used

但是，似乎信息只写入标准输出，因此您必须使用sink将输出传输到文本文件，然后进行一些编辑以获取绘图的参数值。

Answer 3

如果你想要的只是函数评估的数量，请参见结果的$counts元素：

 counts: A two-element integer vector giving the number of calls to
          ‘fn’ and ‘gr’ respectively. This excludes those calls needed
          to compute the Hessian, if requested, and any calls to ‘fn’
          to compute a finite-difference approximation to the gradient.

对于部分解决方案，您需要@ Dason的解决方案或类似的解决方案。

从R的optim函数获取更多细节

3 个答案: