Question

我尝试估计函数的最大对数可能性（f（x））。对不起，我不能发布整个功能，因为它很长很痛苦。目标是根据x优化函数，其中x是一个像x = c（x [1]，..，x [7]）的数组，此外还有几个带有不同参数的循环。但是我通过使用几个输入参数测试这个函数，它似乎工作正常。（没有错误等）

为了最大化我使用的功能：

library('nloptr')
bobyqa(c(0.3, 0.3, 1,70, 0.005, 0.02,70), Log.Likelihoodsum, lower = c(0.01, 0.01, 1,4, 0.001, 0.001,4), upper = c(0.6, 0.6, 1,90, 0.01, 0.1,90),control = list(xtol_rel = 1e-7))

输出现在出现了问题：

> bobyqa(c(0.3, 0.3, 1,70, 0.005, 0.02,70), Log.Likelihoodsum, lower = c(0.01, 0.01, 1,4, 0.001, 0.001,4), upper = c(0.6, 0.6, 1,90, 0.01, 0.1,90),control = list(xtol_rel = 1e-7)) #Function explodes for some values, i.e. 1000 oder mu oder sigma..
$par
[1] 0.600 0.600 1.000 4.000 0.001 0.100 4.000

$value
[1] 1.210564

$iter
[1] 113

$convergence
[1] 4

$message
[1] "NLOPT_XTOL_REACHED: Optimization stopped because xtol_rel or xtol_abs (above) was reached."

如您所见，“最佳”参数是上限和下限的混合。有谁知道我该怎么办？我是否可以从此说明中看到基本错误？

btw：我通过插入较低的上部和sart级别来测试该函数，并且为起始数组获得了更高的值，较低的一个用于上部，而较高的一个用于较低的数组。为什么它不只是将start数组作为输出？（因为该值高于实际输出）

真的会提供任何帮助..

THX

Answer 1

由于你没有提供这个功能，我无法评论，但你观察到的现象很容易在一个简单的例子中看到。

考虑将f（x）= x最小化为0＆lt; = x＆lt; = 1.显然，最小值为0，如果我们使下限较小，则最小值也会减小。无论我们设置什么，下限都将是最小值。

> for(lower in c(0, -1, -100)) 
+   print(bobyqa(1, identity, lower = lower, upper = 1)$par)
[1] 0
[1] -1
[1] -100

已添加

请注意，1是第三个参数的下限和上限。它可能是算法无法处理的。尝试从参数中删除它并在函数本身中将其设置为1.

要做的另一件事是创建一个网格并评估每个点的目标。如上所述删除第三个参数会创建一个网格g并在每个点评估目标函数f。我们假设目标函数的形式为f（x），其中x是6个参数的向量。

lower <- c(0.01, 0.01, 4, 0.001, 0.001,4)
upper <- c(0.6, 0.6, 90, 0.01, 0.1,90)

# pick 5 values of each parameter from lower to upper
m <- mapply(seq, lower, upper, MoreArgs = list(length = 5), SIMPLIFY = FALSE)
g <- do.call(expand.grid, m)  # g will have 5^6 rows & 6 cols
v <- apply(g, 1, f)
g[which.min(v), ]

现在使用它作为你的答案，如果你不需要太精确的东西，或者如果你想要更好的东西，那么将它作为起始值。

通过bobyqa下限和上限混合作为输出进行优化

1 个答案: